Cascade RCNN
发布日期:2021-06-29 12:25:52
浏览次数:2
分类:技术文章
本文共 709 字,大约阅读时间需要 2 分钟。
解决两个问题:
1、低IOU时造成大量噪声框,高IOU时带来过拟合问题。
2、不同IOU阈值训练的Detector对不同IOU的Input(Foreground)的回归效果不同。
1、低IOU时造成大量噪声框,高IOU时带来过拟合问题。
低IOU和高IOU效果对比(低IOU的缺点):
高IOU时样本不足(高IOU的缺点)过拟合:
2、不同IOU阈值训练的Detector对不同IOU的Input(Foreground)的回归效果不同。
如果只采用单一检测器的话:
传统Faster RCNN:
Faster RCNN以同样的网络,进行多次迭代计算:
差就差在,我们的网络结构在训练的时候,也就是H1,是采用原始的样本,阈值固定为如0.5进行训练的。
可是每次经过迭代后的proposals的分布已经发生了改变,网络还是原始的网络,也就是:
造成结果不良。
共享H1结构的多次迭代结果:
另一种结构,共享pooling层,三个不同阈值分支预测ensample:
Cascade RCNN:
我们看到,每次得到的结果进行resample,大的IOU阈值的proposals反而增多:
输出分布结果:
最后来一张结果:
结论:
- 每一个stage的detector都不会过拟合,都有足够满足阈值条件的样本。
- 更深层的detector也就可以优化更大阈值的proposals。
- 每个stage的H不相同,意味着可以适应多级的分布。
- 在inference时,虽然最开始RPN提出的proposals质量依然不高,但在每经过一个stage后质量都会提高,从而和有更高IoU阈值的detector之间不会有很严重的mismatch。
转载地址:https://bupt-xbz.blog.csdn.net/article/details/105329380 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
逛到本站,mark一下
[***.202.152.39]2024年04月16日 07时08分47秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
TCP协议面试灵魂10问,建议收藏~
2019-04-29
消息队列常见的几种使用场景介绍!
2019-04-29
害!天天在公司写业务代码,面几家挂几家,感觉自己快废了!
2019-04-29
重磅!阿里推出国产开源的 JDK!
2019-04-29
为什么 SQL 语句不要过多的 join?
2019-04-29
Windows路由表透析
2019-04-29
后端接口如何提高性能?从MySQL、ES、HBASE等技术一起探讨下!
2019-04-29
5款好用的 REST API 工具,推荐给你!
2019-04-29
1.3 万亿条数据查询,如何做到毫秒级响应?
2019-04-29
卧槽,又来一个 Java 神器!!
2019-04-29
VSCode 上竟然也能约会,谈对象了???
2019-04-29
推荐一个基于 Spring Boot + Mybatis + Vue 的代码生成器
2019-04-29
刚刚上任3位“杰青”副校长后,又聘任10名清北博士任教,这所高校突围双一流建设!...
2019-04-29
12306架构到底是不是国内最牛逼的架构
2019-04-29
MyBatis 的执行流程,写得太好了!
2019-04-29
一顿骚操作!我将 SQL 耗时从 30248.271s 优化到 0.001s
2019-04-29
再见,杀毒软件之父,王江民!
2019-04-29
太赞了!这个5w字的《Java面试手册》PDF 一站封神!
2019-04-29