D2Det是一種two-stage演算法,類似于Faster-RCNN,在Faster-RCNN的基礎上進行了一些改進,總體框架如下圖(a)所示:

和Faster-RCNN相比,改進的地方在于:
1. Dense local regression
如上圖(b)所示,Faster-RCNN是對RPN提出的ROI進行卷積操作,對提出的box進行NMS操作,得到最后的結果,而D2Det是對ROI內所有的點提出的box進行平均運算,得到最后的box,而且并不是對所有的點進行平均,而是預測ROI內所有的點的前景/背景分類,只有前景的點才參與平均運算,背景點不參與平均運算;
2. Discriminative ROI pooling
如上圖(c)所示,類似于Deformable ROI Pooling,改進之處在于,先進行一種輕量級的偏移量預測,預測偏移量之后,對于4個采樣點采用加權pooling,即哈達瑪積(Hadamard).
轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/232372.html
標籤:其他
