成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
RetinaNet
关注
7
RetinaNet是2018年Facebook AI团队在目标检测领域新的贡献。它的重要作者名单中Ross Girshick与Kaiming He赫然在列。来自Microsoft的Sun Jian团队与现在Facebook的Ross/Kaiming团队在当前视觉目标分类、检测领域有着北乔峰、南慕容一般的独特地位。这两个实验室的文章多是行业里前进方向的提示牌。 RetinaNet只是原来FPN网络与FCN网络的组合应用,因此在目标网络检测框架上它并无特别亮眼创新。文章中最大的创新来自于Focal loss的提出及在单阶段目标检测网络RetinaNet(实质为Resnet + FPN + FCN)的成功应用。Focal loss是一种改进了的交叉熵(cross-entropy, CE)loss,它通过在原有的CE loss上乘了个使易检测目标对模型训练贡献削弱的指数式,从而使得Focal loss成功地解决了在目标检测时,正负样本区域极不平衡而目标检测loss易被大批量负样本所左右的问题。此问题是单阶段目标检测框架(如SSD/Yolo系列)与双阶段目标检测框架(如Faster-RCNN/R-FCN等)accuracy gap的最大原因。在Focal loss提出之前,已有的目标检测网络都是通过像Boot strapping/Hard example mining等方法来解决此问题的。作者通过后续实验成功表明Focal loss可在单阶段目标检测网络中成功使用,并最终能以更快的速率实现与双阶段目标检测网络近似或更优的效果。
综合
百科
VIP
热门
动态
论文
精华
Geometric Insights into Focal Loss: Reducing Curvature for Enhanced Model Calibration
Arxiv
0+阅读 · 5月1日
AQD: Towards Accurate Fully-Quantized Object Detection
Arxiv
0+阅读 · 2月22日
Enhancing Post-Hoc Explanation Benchmark Reliability for Image Classification
Arxiv
0+阅读 · 2023年11月29日
Multi-Channel Cross Modal Detection of Synthetic Face Images
Arxiv
0+阅读 · 2023年11月28日
A Spatio-Temporal Attention-Based Method for Detecting Student Classroom Behaviors
Arxiv
0+阅读 · 2023年10月18日
A Spatio-Temporal Attention-Based Method for Detecting Student Classroom Behaviors
Arxiv
0+阅读 · 2023年10月17日
A Spatio-Temporal Attention-Based Method for Detecting Student Classroom Behaviors
Arxiv
0+阅读 · 2023年10月4日
Ensemble Modeling for Multimodal Visual Action Recognition
Arxiv
0+阅读 · 2023年9月25日
FocalDreamer: Text-driven 3D Editing via Focal-fusion Assembly
Arxiv
0+阅读 · 2023年8月22日
FocalDreamer: Text-driven 3D Editing via Focal-fusion Assembly
Arxiv
0+阅读 · 2023年8月21日
AlignDet: Aligning Pre-training and Fine-tuning in Object Detection
Arxiv
0+阅读 · 2023年8月13日
Ensemble Modeling for Multimodal Visual Action Recognition
Arxiv
0+阅读 · 2023年8月10日
AlignDet: Aligning Pre-training and Fine-tuning in Object Detection
Arxiv
0+阅读 · 2023年7月20日
Vertex-based Networks to Accelerate Path Planning Algorithms
Arxiv
0+阅读 · 2023年7月13日
Signal Is Harder To Learn Than Bias: Debiasing with Focal Loss
Arxiv
0+阅读 · 2023年5月31日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top