目标检测 - SSD算法实现. Contribute to object-detection-algorithm/SSD development by creating an account on GitHub.
In order to improve the performance of SSD, this paper proposes a balanced feature fusion SSD (BFSSD) algorithm. Firstly, a feature fusion module is proposed to fuse and refine different layers of the feature pyramid. Then, a more balanced L1 loss function is proposed to further solve these...
然后借鉴了DeepLab-LargeFOV,链接https://export.arxiv.org/pdf/1606.00915,分别将VGG16的全连接层fc6和fc7转换成3*3卷积层conv6和1*1卷积层conv7,同时将池化层pool5由原来的2*2-s2变成3*3-s1(猜想是不想reduce特征图大小),为了配合这种变化,采用了一种Atrous Algo...
PrROI Pooling反向传播  实验结果 参考文献:
基于SSD的小目标检测:Small Object Detection Algorithm Based on Feature Pyramid-Enhanced Fusion SSD 目前没有公开代码。 开头前两节,现状和别人的工作。 核心就在于在SSD的基础上进行了特征融合,其他方面没有改进。 论文里把SSD结构画了一下,助于理解: 文中选择了几个特征融合,网络模型如下,图画的难看懂,原图:...
然后借鉴了DeepLab-LargeFOV,链接https://export.arxiv.org/pdf/1606.00915,分别将VGG16的全连接层fc6和fc7转换成3*3卷积层conv6和1*1卷积层conv7,同时将池化层pool5由原来的2*2-s2变成3*3-s1(猜想是不想reduce特征图大小),为了配合这种变化,采用了一种Atrous Algorithm,其实就是conv6采用扩展卷积或带孔卷积...
然后借鉴了DeepLab-LargeFOV,分别将VGG16的全连接层fc6和fc7转换成卷积层 conv6和卷积层conv7,同时将池化层pool5由原来的stride=2的变成stride=1的(猜想是不想reduce特征图大小),为了配合这种变化,采用了一种Atrous Algorithm,其实就是conv6采用扩展卷积或带孔卷积(Dilation Conv),其在不增加参数与模型复杂度的...
然后,分别将 VGG16 的全连接层 fc6 和 fc7 转换成 3×33×3 卷积层 conv6 和 1×11×1 卷积层 conv7,同时将池化层 pool5 由原来的 stride=2stride=2 的2×22×2 变成stride=1stride=1 的3×33×3,为了配合这种变化,采用了一种 Atrous Algorithm,就是 conv6 采用扩张卷积(空洞卷积),在不增加参数...
目标检测( Object Detection )是计算机视觉领域非常重要的任务,目标检测模型要完成「预测出各个物体的边界框(bounding box)」和「给出每个物体的分类概率」两个子任务。 目标检测; Object detection 通常情况下,在对一张图片进行目标检测后,会得到许多物体的边界框和对应的置信度(代表其包含物体的可能性大小)。
相对于那些需要 object proposals 的检测模型,本文的 SSD 方法完全取消了 proposals generation、pixel resampling 或者 feature resampling 这些阶段。这样使得 SSD 更容易去优化训练,也更容易地将检测模型融合进系统之中。 在PASCAL VOC、MS COCO、ILSVRC数据集上的实验显示,SSD 在保证精度的同时,其速度要比用 region...