【技术】一种基于YOLOv5的高分辨率遥感影像目标检测方法
YOLOv5是一种基于单阶段(one-stage)目标检测算法,具有较快的检测速度和较好的检测精度。YOLOv5采用了FPN和跨尺度预测技术,被广泛应用于各个领域的目标检测任务[19],因此可以有效处理高分辨率遥感影像中的目标多尺度问题。此外,YOLOv5还具有较强的实时性,适合在资源受限的遥感应用场景中使用。为了提高高分辨率遥感图像...
目标检测之困难目标检测任务综述
目标检测在现实生活和工作过场景中的应用非常广泛,比如目标检测技术已经被广泛应用的各种实际场景有智能交通系统(车辆识别、行人检测等)、安防监控(自动识别异常行为、如入侵检测等)、零售业(顾客行为分析、库存管理等)、医疗健康(辅助诊断,如肿瘤检测、疾病筛查等)、无人机技术(用于环境监测、作物管理、搜救任务等)...
改进的YOLO:AF-FPN替换金字塔模块提升目标检测精度
在今天分享中,研究者提出了一种改进的特征金字塔模型,命名为AF-FPN,它利用自适应注意力模块(AAM)和特征增强模块(FEM)来减少特征图生成过程中的信息丢失并增强表示能力的特征金字塔。将YOLOv5中原有的特征金字塔网络替换为AF-FPN,在保证实时检测的前提下提高了YOLOv5网络对多尺度目标的检测性能。此外,提出了一种新的...
...| 深度学习理论与实战:提高篇(10)——目标检测算法FPN
因为所有的P2-P5会共享目标检测的分类器和Boundingbox回归模型,所以要求它们的channel数都是256。FPN用于RPNFPN自身并不是目标检测器,而只是一个配合目标检测器使用的特征提取器。我们可以使用FPN提取多层特征映射后将它传给RPN(基于卷积和anchor的目标检测器)检测目标。RPN在特征映射上应用3x3卷积,之后在为分类预测...
「目标检测算法」连连看:从Faster R-CNN 、 R-FCN 到 FPN
在这个系列中,我们将对目标检测算法进行全面探讨。第1部分,我们介绍常见的基于区域的目标检测器,包括FastR-CNN,FasterR-CNN,R-FCN和FPN。第2部分,我们介绍单步检测器(singleshootdectors,SSD)。第3部分,我们探讨算法性能和一些具体的例子。通过在相同的环境研究这些算法,我们研究哪些...
超维资讯丨2023年十大目标检测模型
RetinaNet是一种用于目标检测的深度学习模型，它使用了FPN（特征金字塔网络）和新的焦点损失函数(www.e993.com)2024年11月9日。RetinaNet旨在解决目标检测中前景和背景示例不平衡的问题，从而提高检测准确性。该模型效率高，可以在低端设备上运行，是实时目标检测的热门选择。优点：提高了目标检测的准确性高效且可在低端设备上运行易于训练和使用缺点：...
...M2Det、FOCS…你都掌握了吗?一文总结目标检测必备经典模型(三)
FCOS方法是第一个使用逐个像素点来预测的目标检测方法,并且提出了centerness分支,来抑制low-qualitybbox并提升检测效果。FCOS的主要工作过程如下:首先,将图像输入骨干网络,然后将8倍、16倍、32倍下采样的特征图送入FPN,得到FPN的5层输出特征(8/16/32/64/128倍下采样);接着,在FPN的...
...一代AI架构Pathways论文放出;何恺明组只用ViT做主干进行目标检测
研究者表示,在这项研究中,他们的目标不是开发新的组件,而是通过最小的调整克服上述挑战。具体来说,他们的检测器仅从一个普通ViT主干的最后一个特征图构建一个简单的特征金字塔(如图1所示)。这一方案放弃了FPN设计和分层主干的要求。为了有效地从高分辨率图像中提取特征,他们的检测器使用简单的非重叠窗口注...
R-CNN、SPP-Net、Fast R-CNN…你都掌握了吗?一文总结目标检测必备...
本文将分3期进行连载,共介绍16个在目标检测任务上曾取得SOTA的经典模型。第1期:R-CNN、SPP-Net、FastR-CNN、FasterR-CNN、OHEM第2期:R-FCN、MaskRCNN、YoLo、SSD、FPN、RetinaNet第3期:RRCdetection、CornerNet、M2Det、FOCS、ObjectBox...
史上最全综述:3D目标检测算法汇总!(2)
Range图是2D的,可以借鉴2D目标检测方法,比如LaserNet,还有一些借鉴了U-Net、RPN、R-CNN、FCN、FPN等。Range图的像素包含的是距离信息,而非颜色值,因此传统的2D标准卷积算子无法完全适用,滑动窗口中的像素在3D空间中可能会相距很远。一些工作采用了新算子来有效地从Range像素中提取特征,包括深度扩张卷积[11]、图算子...