目标检测 如何提高网络的特征提取能力

Posted 2023-03-25

参考技术A 1，通过对输入数据的手动查验或自动化统计，确定较好的canny阈值
2，利用阈值对训练样本中10-20个batch的数据进行canny边缘增强
3，增强方式为：原图转灰度提取到的canny边缘所对应的原图像素位置进行对比度增强或直接涂黑。加深程度可以由自定义的超参数alpha来指定。
4，用这10-20个batch的数据进行几个epoch的训练后再换成普通数据进行训练。

论文解读FPN 用于目标检测的特征金字塔网络

前言

FPN，全名是Feature Pyramid Networks，中文称为特征金字塔网络；它是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分，对于提高模型性能具有较好的表现。

在特征提取中，低层的特征语义信息比较少，但目标位置准确，分辨率高。高层的特征语义信息比较丰富，但是目标位置比较粗略，分辨率低和比较抽象。于是有些算法采用多尺度特征融合的方式，在融合后的特征做预测。

 FPN的预测是在不同特征层独立进行的，即：同时利用低层特征高分辨率和高层特征的高语义信息，通过融合这些不同层的特征达到预测的效果。作者认为足够低层高分辨的特征对于检测小物体是很有帮助的。

论文地址：Feature Pyramid Networks for Object Detection

目录

前言