首發(fā):AI公園公眾號(hào)
作者:Tony Shin
編譯:ronghuaiyang
導(dǎo)讀
對(duì)CBNet進(jìn)行了一個(gè)直觀的介紹。
https://towardsdatascience.co...
論文:https://arxiv.org/pdf/1909.03...
代碼:https://github.com/PKUbahuang...
CBNet在COCO測(cè)試數(shù)據(jù)集上的平均精度為53.3。
作者聲稱,使用一個(gè)更強(qiáng)大的主干可以提高目標(biāo)檢測(cè)器的性能。為了做到這一點(diǎn),他們提出了一種新的策略,即通過相鄰主干之間的組合連接來組裝多個(gè)相同的主干。通過這樣做,他們提出了一個(gè)更強(qiáng)大的主干,稱為組合主干網(wǎng)絡(luò)。
如上圖所示,CBNet由多個(gè)相同的骨干網(wǎng)和相鄰骨干網(wǎng)之間的組合連接組成。從左到右,每個(gè)階段的輸出都在一個(gè)輔助主干中,這也可以看作是更高層次的特征。每個(gè)特征層的輸出通過組合連接流到后續(xù)主干網(wǎng)的并行階段,作為輸入的一部分。這樣,多個(gè)高級(jí)和低級(jí)特征被融合,以產(chǎn)生更豐富的特征表示。
本文介紹了雙主干網(wǎng)(DB)和三主干網(wǎng)(TB)兩種體系結(jié)構(gòu)。從命名中可以猜到,DB由兩個(gè)相同的骨干組成,而TB由三個(gè)相同的骨干組成。性能差異將在后面的文章中討論。
為了從主干中生成多個(gè)輸出,本文引入了一個(gè)組合連接塊。這個(gè)塊由一個(gè)1x1卷積和一個(gè)批處理歸一化層組成。添加這些層是為了減少通道的數(shù)量并執(zhí)行一個(gè)upsample操作。
最后的主干(位于圖中最右邊),被命名為主主干,用于目標(biāo)檢測(cè)。前面的骨干的輸出特征被送入RPN/檢測(cè)頭,而每個(gè)輔助骨干的輸出被送入相鄰的骨干。
組合的形式
還有四種組合樣式。
- 相鄰的更高層次的組合是前面部分中解釋的風(fēng)格。使用組合連接塊將來自輔助骨干網(wǎng)的每個(gè)輸出特征饋入相鄰骨干網(wǎng)。
- 相同層次的組合是另一種簡(jiǎn)單的組合樣式,它將前一骨干的相鄰較低級(jí)階段的輸出提供給后續(xù)骨干。如圖所示,此樣式?jīng)]有使用組合連接塊。來自較低層次主干網(wǎng)的特征直接添加到鄰近的主干網(wǎng)中。
- 相鄰的低層的組合與AHLC非常相似。唯一的區(qū)別是來自前主干較低級(jí)階段的特征被傳遞到后來的主干。
- 密集的高層的組合的靈感來自于DenseNet的paper,其中每一層都與隨后的所有層連接,在一個(gè)stage上建立密集的連接。
上面的表格展示了不同組合風(fēng)格之間的對(duì)比。我們可以觀察到AHLC樣式優(yōu)于其他復(fù)合樣式。這背后的原因在論文中得到了很好的解釋。作者認(rèn)為,將前一個(gè)主干的低層特征直接添加到后續(xù)主干的高層特征中會(huì)損害后一個(gè)特征的語義信息。另一方面,在后續(xù)主干的淺層特征基礎(chǔ)上增加前一主干的深層特征,可以增強(qiáng)后一主干特征的語義信息。
結(jié)果
上表顯示了MS-COCO測(cè)試數(shù)據(jù)集的檢測(cè)結(jié)果。第5-7列為目標(biāo)檢測(cè)結(jié)果,第8-10列為實(shí)例分割結(jié)果。這清楚地表明,利用更多的骨干的體系結(jié)構(gòu)提高了網(wǎng)絡(luò)的性能。
總結(jié)
本文介紹了一種叫做CBNet的新架構(gòu)。通過組成多骨干體系結(jié)構(gòu),該網(wǎng)絡(luò)將檢測(cè)網(wǎng)絡(luò)的準(zhǔn)確率提高約1.5%至3%。增加的參數(shù)大小和訓(xùn)練時(shí)間值得進(jìn)一步研究。
—END—
英文原文:https://towardsdatascience.co...
推薦閱讀
- 比監(jiān)督學(xué)習(xí)做的更好:半監(jiān)督學(xué)習(xí)
- 多攝像頭實(shí)時(shí)目標(biāo)跟蹤和計(jì)數(shù),使用YOLOv4,Deep SORT和Flask
- 使用深度學(xué)習(xí)從視頻中估計(jì)車輛的速度
關(guān)注圖像處理,自然語言處理,機(jī)器學(xué)習(xí)等人工智能領(lǐng)域,請(qǐng)點(diǎn)擊關(guān)注AI公園專欄。
歡迎關(guān)注微信公眾號(hào)
審核編輯:符乾江
-
檢測(cè)
+關(guān)注
關(guān)注
5文章
4498瀏覽量
91575 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5508瀏覽量
121311
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論