免费的代码分享网站,百度推广登陆入口官网,网站建设的业务好做吗,用wordpress建站的好处目标检测算法#xff1a;FPN思想解读 说明 FPN算法一种方法/思想#xff0c;在许多的模型架构中都经常采用#xff0c;也是提高模型精度的重要方法。 免责申明 有误写/错写/错误观点/错误解读#xff0c;或者大家有其它见解#xff0c;都可以在评论区指出#xff0…目标检测算法FPN思想解读 说明 FPN算法一种方法/思想在许多的模型架构中都经常采用也是提高模型精度的重要方法。 免责申明 有误写/错写/错误观点/错误解读或者大家有其它见解都可以在评论区指出博主会认真学习的。 原始论文下载链接 FPN。 目录结构 文章目录 目标检测算法FPN思想解读1. 创新点2. 原理2.1 思路来源2.2 原理 3. 总结 1. 创新点
多尺度交叉融合。
2. 原理
2.1 思路来源
在以往的经验中发现浅层特征图语义信息少但是几何信息多而深层特征图语义信息多但是几何信息少。
针对这一情况作者考虑将浅层特征与深层特征进行交叉融合去探索是否可以提高模型的精度。
2.2 原理 概述 在论文原文中作者给出了原理图如下 其中
图a是先图像金字塔再分别进行预测 其优点是精度高缺点是计算开销大 图b是正常的卷积操作 其优点是速度快但是只关注了最后一层的卷积信息 图c是利用每一层的卷积特征进行预测 其优点是利用了多层信息但是并没有很好的利用的各个卷积层信息 图d是FPN采用的操作将不同卷积层进行交叉融合
这里值得一提的是FPN采用的融合方式是深层卷积给浅层卷积并没有考虑到把浅层卷积给深层卷积融合而在后面的论文有一篇名为PAN它就是都考虑了。 FPN 作者在论文中给出了FPN的具体操作图如下 FPN融合的思路是先拷贝最深层的特征层然后将浅层的卷积经历一个1*1卷积改变通道数以实现可以深层卷积合并的目的同时需要对深层卷积进行上采样这样才能实现尺寸相同。
3. 总结
FPN思路很简单但是效果非常好特别是在目标检测领域中经常使用。
