文章 12
评论 4
浏览 20912
目标检测框架——mmdetection的使用总结

目标检测框架——mmdetection的使用总结

简介   mdetection 是商汤和香港中文大学联合开源的一个基于 PyTorch 的目标检测工具包,属于香港中文大学多媒体实验室 open-mmlab 项目的一部分,项目地址为 https://github.com/open-mmlab/mmdetection。   mmdetection 使用模块化设计,将一般的目标检测算法分成了几个不同的模块,使用时只需在配置文件中声明各个模块使用的组件名称和相应的参数,就可以像搭积木一样搭建出一个完整的目标检测模型。mmdetection 有着很好的灵活性和扩展性,如果希望在其中添加新的目标检测算法,只需按照 mmdetection 的接口设计增加关键模块的代码并编写相应的配置文件即可,这样实现了不同算法间相同代码的复用,大大减少了实现一个目标检测算法所需编写的代码量。除此之外,mmdetection 大多数运算都在 GPU 上进行,这使得它有着不俗的性能。目前,mmdetection 已经集成了很多经典的目标检测算法如 Fast RCNN,Faster RCNN,Mask RCNN,retinanet,FCOS 等,未来将会添加更多的算法....

Region Proposal by Guided Anchoring 论文阅读笔记

Region Proposal by Guided Anchoring 论文阅读笔记

概述 这篇文章提出了提出了一种新的 anchor 生成方法,即通过图像特征来指导 anchor 的生成。通过预测 anchor 的位置和形状,来生成稀疏而且形状任意的 anchor,并且设计了 Feature Adaption 模块来修正特征图使之与 anchor 形状更加匹配。 文章提出手工设计 anchor 有两个要求:1)alignment,为了用卷积特征作为 anchor 的表示,anchor 的中心需要和特征图的像素中心比较好地对齐;2)consistency,feature map 不同区域的 anchor 的形状和大小应当与其感受野和语义范围一致。论文还认为,这种手工设计 anchor 的方式存在两点不足:1)必须针对不同的问题设计相应比例和大小的 anchor,错误的设计可能会影响检测器的速度和精度;2)为了得到极高的召回率,需要设计非常多的 anchor,而其中大部分 anchor 并不会覆盖到真实目标,大量的 anchor 也会带来非常大的运算开销。 方法 文章指出,对于一张图片 I,其 anchor 的位置和形状分布满足下式 P(x,y,w,h|I)=P(x,y|....

Everything that kills me makes me feel alive