啤酒厂家
免费服务热线

Free service

hotline

010-00000000
啤酒厂家
热门搜索:
行业资讯
当前位置:首页 > 行业资讯

Facebook谷歌分别改进何恺明FPN工作_[#第一枪]

发布时间:2021-06-07 15:44:18 阅读: 来源:啤酒厂家

雷锋网 AI 科技评论按:在计算机视觉领域中,多维度目标检测一直被用作输入以生成反映不同维度信息的特征组合,这种办法能够有效表达图片上的各种维度特征,然而却对硬件计算能力及内存大小有较高要求,因此只能在有限的领域内部使用。Facebook 于 2016 年在论文《Feature Pyramid Networks for Object Detection》中提出的 FPN,通过利用常规 CNN 模型内部从底至上各个层对同一 scale 图片不同维度的特征表达结构,提出了一种可有效在单一图片视图下生成对其的多维度特征表达的方法。近期,Facebook 和谷歌接连发布了基于FPN 的改进工作,我们将之整理如下。

2018 年初,Facebook 还在论文《Panoptic Segmentation》中对全景分割 Panoptic Segmentation 任务进行了研究,并提出了自己的解决方案 Panoptic FPN。由于全景分割任务近期开始变得热门,Facebook 考虑把 FPN 模型用于一次性解决全景分割任务,于是在今年 1 月发布了《Panoptic Feature Pyramid Networks》,以下为论文摘要:

我们近期引介的全景分割任务,成功引起了社区对于统一实例分割与语义分割任务的兴趣。然而,当前用于处理该联合任务的最先进方法,依然使用的是独立且不相似的网络,因而未具备相应的共享计算。在这项工作中,我们的目标是在架构层面统一这些方法,为两个任务设计一个统一的网络。我们将作为语义分割方法分支的共享特征金字塔网络(FPN)与 Mask R-CNN(一种流行的实例分割方法)进行结合。令人惊讶的是,这个简单的基线不仅对示例分割任务有效,而且还产生了一种轻量级、性能出众的语义分割方法。在这项工作中,我们对带有 FPN 的 Mask R-CNN 进行了详细研究,我们将之称为 Panoptic FPN,并成功展示对于两个任务而言,它是一个稳健且准确的基线。鉴于其有效性和概念性简单,我们希望该方法能帮到未来的全景分割研究。

论文

其他废料价格

无钉铆接机

摄影用化学制剂价格

相关阅读