JASPER_W_

  • 12

    获得赞
  • 24

    发布的文章
  • 0

    答辩的项目

基于领域注意的通用目标检测

深度学习

最后更新 2020-06-15 11:24 阅读 187

最后更新 2020-06-15 11:24

阅读 187

深度学习

Towards Universal Object Detection by Domain Attention

image.png研发现状

•Two stages:R-CNN,Fast R-CNN,Faster R-CNN 

•Single stage:YOLO,SSD 

•只针对特定的 domain(traffic,humanfaces,natural等)

算法研发目标

•一个模型处理多个domain(不同条件下的数据)

核心思想和贡献

•Domain Attention 

•Squeeze and Excitation

Single-domain Detector V.S.Multi-domain Detector

image.pngSE Adapter

image.pngUniversal V.S. Domain-attentiveUniversal

image.pngDomain-attentive UniversalDetector(SE Adapter anddomain)

image.png实验条件

•PyTorch 

•Faster R-CNN with the SE-ResNet50/ResNet50 

•Learning rate of 0.01 for 10 epochs and 0.001 for another 2 epochs on 8 synchronized GPUs, each holding 2 images per iteration.

image.png算法综合分析

•优点 

•一个 detector 处理不同分布的数据(应该是目前第一个这样考虑的) 

•Universal detector  参数较少(共享参数) 

•SE 和 DA 处理 Domain Shift 

•缺点 

•SE Adapter 和 Domain Attention 就是通道之间加权堆叠,比较常见

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/article/557
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除