Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution for Small Object Detection
- 文章针对2阶段的detection提出了一种对小面积ROI的feature进行SR的方法，并提出了对该SR进行监督的机制
- 首先是发现问题，问题在于，一张图片放大2倍后，同一块ROI（放大两倍）作为感受野所对应的feature map上的区域，并不是简单的放大前的区域放大两倍。也就是放大的不匹配问题。所以并不能简单地用大图的ROI的对应featuremap区域来监督小图的ROI的对应featuremap区域的SR
- 为了解决这个问题，必须用某种方式使得感受野匹配起来，所以作者采取了空洞卷积和pooling的trick来产生具有匹配的感受野的feature map的块进行SR模型的监督训练。
- 训练完，就可以用到2阶段的detection种，把RPN得到的小面积ROI对应的feature区域，先进行SR，再送进后续的ROIAlign等步骤。
- 哦对了，之所以要对feature map进行SR，是因为小物体检测得到的ROI对应的featuremap太小了，包含的信息也太coarse了，不利于后续的检测，所以要通过这种方式增加信息量。
- 整个网络的结构就是这样的：
相关文章：
-
2021-08-09
-
2021-11-30
-
2021-09-11
-
2021-11-22
-
2021-06-03
-
2022-03-01
-
2021-08-09
猜你喜欢
-
2021-07-08
-
2021-11-06
-
2021-12-19
-
2021-07-26
-
2021-09-25
-
2021-07-06
-
2021-08-19
相关资源
-
下载
2021-06-07
-
下载
2023-03-18
-
下载
2023-01-01