JavaShuo
欄目
標籤
2016-cvpr-HyperNet
時間 2020-12-24
原文
原文鏈接
簡述:近年來基於rpn的目標檢測算法取得了很好的效果,但是對於小目標的檢測效果還是不夠理想,很大原因是rpn所依賴的特徵圖相較於原圖變得很小,這可以通過更精細的特徵圖來緩解。注意到淺層的feature map往往比較精細,但是由於感受野較小,語義信息較弱,深層feature map比較粗糙,但是語義信息強。本文的做法是將淺層feature map下采樣maxpooling,將深層feature m
>>阅读原文<<
0
分享到微博
分享到微信
分享到QQ
每日一句
每一个你不满意的现在,都有一个你没有努力的曾经。
最新文章
1.
windows下配置opencv
2.
HED神經網
3.
win 10+ annaconda+opencv
4.
ORB-SLAM3系列-多地圖管理
5.
opencv報錯——(mtype == CV_8U || mtype == CV_8S)
6.
OpenCV計算機視覺學習(9)——圖像直方圖 & 直方圖均衡化
7.
【超詳細】深度學習原理與算法第1篇---前饋神經網絡,感知機,BP神經網絡
8.
Python數據預處理
9.
ArcGIS網絡概述
10.
數據清洗(三)------檢查數據邏輯錯誤
本站公眾號
歡迎關注本站公眾號,獲取更多信息