相对于Faster RCNN来讲,Light-Head RCNN的检测头部分是做了轻量化的,从上图可以看到Light-Head RCNN中的Region Proposal的通道数变小了,只有,并且只有一个全连接层,参数量大幅减少了。 Light-Head RCNN的示意图如下: Light-Head RCNN的示意图 另外论文还在BackBone的最后一层卷积中加入了可
Light-Head RCNN 如Figure2 C所示,基本上是在R-FCN基础上做的修改。针对R-FCN中score map的channel数量较大,作者采用一个large separable convolution生成thinner feature map(large separable convolution可以参看下面的Figure3),其实就是将原来P^2(C+1)的channel数量用10*(C+1)来代替,差不多是从3969降低到490...
基于轻量头部的结构,检测器可以在speed和accuracy取得平衡。 论文基于 ResNet-101 的 Light-Head R-CNN 在 COCO 数据集上的性能超过当前最佳的目标检测器,同时保证时间效率。更重要的是,通过简单地用一个小型网络(如 Xception)替换主干网络,Light-Head R-CNN 在 COCO 数据集上获得了 30.7 mmAP 和 102 FPS 的...
一般来说网络的head都设计很重"重",且head部分有一些层,计算量大弄且耗时,故导致检测速度很慢,Light-Head R-CNN则是主要通过对head部分的修改减少了较多计算量。 Light-Head R-CNN的网络结构: Light-Head R-CNN网络结构跟R-CNN的网络结构和R-FCN的网络结构差不多,针对R-FCN的score map维度过大的问题,这里...
Faster R-CNN and R-FCN 都是 heavy head,但是位于网络不同的位置。从 精度的角度来说,尽管 Faster R-CNN 在 区域分类上不错,但是为了降低第一全连接层的计算量进行了 global average pooling ,这对空间定位具有一定的伤害性。 对于 R-FCN 来说, it directly pools the prediction results after the positio...
论文提出Light-HeadR-CNN,一个精简的two-stage目标检测器设计准则,在表达能力很强的精简特征图上使用轻量级的R-CNN子网,不仅大量减少推理耗时,还提高了准确率,结合...相似的特性,一个复杂的head连接着主干网络,而FasterR-CNN的全连接层和R-FCN的score map都是相当耗时的。因此,论文提出基于light-head的思路来设计...
12月20日晚,量子位·吃瓜社联合Face++论文解读系列第三期开讲,本期中旷视(Megvii)研究院解读了近期发表的Light-Head R-CNN论文。 本篇论文所提出的Light-Head R-CNN,构造了轻量头部R-CNN网络,在COCO数据集上超越当前最好水准,同时还保持了很高的时间效率。
light head rcnn的目标就是减小head部分的计算量。模型的改进是在r-fcn上进行的。一个很直接的方法就...
具体的来说, 作者所指的head是连接backbone的部分. Light-Head RCNN R-CNN subnet 从精度方面考虑: R-CNN通常会进行global average pooling来减少数据量, 但此操作会影响空间信息. R-FCN利用了空间信息, 因此对空间特征有更好地表示, 也正因此如果没有他的RoI层, 它的表现就会差得多. 从速度方面考虑: Faster...