目标检测算法-Light Head R-CNN

Posted cucwwb

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了目标检测算法-Light Head R-CNN相关的知识,希望对你有一定的参考价值。

一般来说网络的head都设计很重"重",且head部分有一些层,计算量大弄且耗时,故导致检测速度很慢,Light-Head R-CNN则是主要通过对head部分的修改减少了较多计算量。

Light-Head R-CNN的网络结构:

技术图片

 

Light-Head R-CNN网络结构跟R-CNN的网络结构和R-FCN的网络结构差不多,针对R-FCN的score map维度过大的问题,这里就用10代替了class,也就是说score map维度变成了10×p×p(p=7)=490,因此降低了PSROI Pooling和FC层的计算量,使用large separable Convolution 代替1×1Convolution,这里借鉴了Inception V3的思想。

技术图片

将k×k的卷积转化为1×k和k×1,同时采用上图左右两边的结构,最后通过padding融合feature map,得到size不变的特征图将490维特征图和ROI作为PSROI的输入则得到10维p×p的特征图,如果作为ROI Pooling的输入则得到490维的特征图,因为class已经改为1-,所以没办法直接进行分类,所以接了个FC层做channel变换,在进行分类和回归。

以上是关于目标检测算法-Light Head R-CNN的主要内容,如果未能解决你的问题,请参考以下文章

目标检测算法R-CNN(详解)

5. 目标检测算法之R-CNN算法详解

目标检测算法Fast R-CNN(详解)

目标检测算法(R-CNN,fast R-CNN,faster R-CNN,yolo,SSD,yoloV2,yoloV3)

目标检测算法Faster R-CNN(详解)

6. 目标检测算法之Fast R-CNN算法详解