1,面向小目标的多尺度Faster RCNN检测算法 黄继鹏等
- 对高分辨率图像进行下采样和上采样,使得网上获取的数据与实际测试数据分布接近。
- 下采样:最大池化和平均池化
- 上采样:线性插值,区域插值,最近邻插值
- 用梯度上升法对图像特征进行重构:aims to 可视化地展示深度网络不同层提取出的小目标特征的区别
- result :对于小目标检测问题,卷积神经网络的底层特征比高层特征更加有效
- 利用t-SNE方法对这两类图像(高分辨率和低分辨率)中的目标特征(拖拉机)进行降维(该方法的输入为:ROI pooling层后得到的大小相同的特征向量)
- 用低分辨率图像训练,用高分辨率和低分辨率测试。
- 采用了ZF和VGG16为基本网络。
- anchor box的比例参数ratio:设为0.7,1,1.4; 對應的尺度参数:anchor scale:cov1_2 : 2,4; cov3_3 : 4,8; conv4_3 : 8,16 ; conv5_3: 8,16