本文独家改进:一种超轻量高效动态上采样DySample, 具有更少的参数、FLOPs,效果秒杀CAFFE和YOLOv8网络中的nn.Upsample 在多个数据集下验证能够涨点,尤其在小目标检测领域涨点显著。 在NEU-DET案列进行可行性验…
与传统的基于内核的动态上采样器相比,DySample采用了一种基于点采样的方法,相比于以前的基于内核的动态上采样器,DySample具有更少的参数、浮点运算次数、GPU内存和延迟。此外,DySample在包括语义分割、目标检测、实例分割、全景分割和单目深度估计在内的五个预测任务中,性能均优于其他上采样器(截至目前最有效的上采样...
DySample是一种超轻量且有效的动态上采样器,其设计出发点、原理和优势如下: 2.1、DySample原理 2.1.1 初步设计 通过PyTorch的内置函数,假设输入特征通过双线性插值被插值为连续的特征图,然后通过生成内容感知的采样点来重新采样该连续图。 具体实现为,给定特征图$X$和上采样尺度因子$s$,使用线性层生成偏移$O$,并...
我们首先展示了一个朴素的设计,然后演示了如何逐步加强其上采样行为,以实现我们的新上采样器DySample。与以前基于内核的动态上采样器相比,DySample不需要定制CUDA包,并且具有更少的参数、FLOPs、GPU内存和延迟。除了轻量级的特点,DySample在五个密集预测任务上优于其他上采样器,包括语义分割、目标检测、实例分割、全视...
简介:RT-DETR改进策略【Neck】| 有效且轻量的动态上采样算子:DySample 一、本文介绍 本文记录的是利用DySample上采样对RT-DETR的颈部网络进行改进的方法研究。RT-DETR采用传统的最近邻插值的方法进行上采样可能无法有效地捕捉特征的细节和语义信息,从而影响模型在密集预测任务中的性能。DySample通过动态采样的方式进行上...