标签:输出 look level 尺度 fpn feature only 3.2 输入
快速过一下该文,后面就没有时间像之前那样一点一点的分析,但是在目标检测领域,从retinanet开始,有ghm这种改进focal loss,也有fcos,atss,gfl这种走anchor-free,还有centernet这种走点检测,基本的思路和框架是有很强一致性的,这篇文章还是很有意义的,对fpn进行比较细的讨论。
1.多尺度融合和分而治之
从上图中,bd说明,单输入多输出比单输入单输出好,cd说明多输入和单输入差不多,结合起来就是多尺度融合不是fpn的关键,fpn的关键是分而治之。
2.cost analysis of mimo encoders
多输入多输出在计算量多,fps少,设计一个合理的单输入单输出来代替多输入多输出。
3.methods
3.1 单输入单输出不行的原因
1.C5特征的感受野匹配的尺度范围有限,阻碍了对不同尺度对象的检测性能。
2.单级特征中稀疏anchor引起的正负样本不均衡问题。
3.2 扩大单尺度的感受野
3.2 imbalance priblem on positove anchors
uniform matching
标签:输出,look,level,尺度,fpn,feature,only,3.2,输入 来源: https://blog.csdn.net/u012193416/article/details/123614280
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。