論文の概要: Feature Pyramid Grids
- arxiv url: http://arxiv.org/abs/2004.03580v1
- Date: Tue, 7 Apr 2020 17:59:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 00:23:41.252587
- Title: Feature Pyramid Grids
- Title(参考訳): フィーチャーピラミッドグリッド
- Authors: Kai Chen, Yuhang Cao, Chen Change Loy, Dahua Lin, Christoph
Feichtenhofer
- Abstract要約: 本稿では,深い多経路特徴ピラミッドであるFeature Pyramid Grids (FPG)を提案する。
FPGは、同様の計算コストで性能を大幅に向上させることで、シングルパスの特徴ピラミッドネットワークを改善することができる。
- 参考スコア(独自算出の注目度): 140.11116687047058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feature pyramid networks have been widely adopted in the object detection
literature to improve feature representations for better handling of variations
in scale. In this paper, we present Feature Pyramid Grids (FPG), a deep
multi-pathway feature pyramid, that represents the feature scale-space as a
regular grid of parallel bottom-up pathways which are fused by
multi-directional lateral connections. FPG can improve single-pathway feature
pyramid networks by significantly increasing its performance at similar
computation cost, highlighting importance of deep pyramid representations. In
addition to its general and uniform structure, over complicated structures that
have been found with neural architecture search, it also compares favorably
against such approaches without relying on search. We hope that FPG with its
uniform and effective nature can serve as a strong component for future work in
object recognition.
- Abstract(参考訳): 特徴ピラミッドネットワークは、機能表現を改善し、スケールのバリエーションの扱いを改善するために、オブジェクト検出文献に広く採用されている。
本稿では,多方向の側方接続によって融合される並列ボトムアップ経路の正則格子として特徴空間を表現する,深いマルチパス特徴ピラミッドであるフィーチャーピラミッド格子(fpg)を提案する。
FPGは、同様の計算コストで性能を大幅に向上させ、深いピラミッド表現の重要性を強調することで、シングルパスの特徴ピラミッドネットワークを改善することができる。
汎用的かつ均一な構造に加えて、ニューラルネットワークの探索で発見された複雑な構造よりも、検索に頼ることなく、そのようなアプローチと好適に比較できる。
我々は、その均一で効果的な性質を持つFOGが、オブジェクト認識における将来の研究の強力な構成要素になることを期待している。
関連論文リスト
- Multi-scale Feature Fusion with Point Pyramid for 3D Object Detection [18.41721888099563]
本稿では,POP-RCNN(Point Pyramid RCNN)を提案する。
提案手法は, 様々な既存フレームワークに適用して, 特に長距離検出において, 特徴の豊かさを高めることができる。
論文 参考訳(メタデータ) (2024-09-06T20:13:14Z) - RePFormer: Refinement Pyramid Transformer for Robust Facial Landmark
Detection [131.1478251760399]
顔のランドマーク検出タスクをピラミッド記憶に沿ったランドマーククエリの精製として定式化する。
具体的には、ピラミッドトランスフォーマーヘッド(PTH)を導入し、ランドマーク間の関係とランドマークとクロススケールコンテキストの間の異種関係の両方を構築する。
動的ランドマークリファインメント(DLR)モジュールは、ランドマークレグレッションをエンドツーエンドのリファインメント手順に分解するために設計されている。
論文 参考訳(メタデータ) (2022-07-08T14:12:26Z) - RCNet: Reverse Feature Pyramid and Cross-scale Shift Network for Object
Detection [10.847953426161924]
本稿では,RevFP(Reverse Feature Pyramid)とCSN(Cross-scale Shift Network)で構成されるRCNetを提案する。
RevFPは、局所的な双方向特徴融合を利用して、双方向ピラミッド推論パイプラインを簡素化する。
CSNは、隣接レベルと非隣接レベルの両方に直接表現を伝播し、より相関性の高いマルチスケール機能を実現する。
論文 参考訳(メタデータ) (2021-10-23T04:00:25Z) - Trident Pyramid Networks: The importance of processing at the feature
pyramid level for better object detection [50.008529403150206]
我々はTrident Pyramid Network (TPN)と呼ばれる新しいコアアーキテクチャを提案する。
TPNはより深い設計を可能にし、コミュニケーションベースの処理と自己処理のバランスを改善する。
TPNコアをオブジェクト検出ベンチマークで使用した場合,BifPNベースラインを1.5 APで上回り,一貫した改善が見られた。
論文 参考訳(メタデータ) (2021-10-08T09:59:59Z) - FPB: Feature Pyramid Branch for Person Re-Identification [12.178324494736922]
ネットワークの異なる層から特徴を抽出し,それらを双方向のピラミッド構造に集約する軽量な特徴ピラミッドブランチ(FPB)を提案する。
FPBは1.5万以上の余分なパラメータを導入するだけでバックボーンネットワークの性能を著しく向上させる。
これは、関連するブランチとしてのピラミッドネットワークが、関連する特徴埋め込みモデルにおける潜在的構造であることを実証的に証明した、個人Re-IDタスクにおける同様の構造の最初の成功例である。
論文 参考訳(メタデータ) (2021-08-04T08:21:52Z) - GraphFPN: Graph Feature Pyramid Network for Object Detection [44.481481251032264]
本稿では,そのトポロジ構造を固有画像構造に適応させることのできるグラフ特徴ピラミッドネットワークを提案する。
提案したグラフ特徴ピラミッドネットワークは,畳み込み特徴ピラミッドネットワークからマルチスケール特徴を拡張できる。
我々は、オブジェクト検出タスクにおいて、より高速なR-CNNアルゴリズムに統合することで、グラフ特徴ピラミッドネットワークを評価する。
論文 参考訳(メタデータ) (2021-08-02T01:19:38Z) - A^2-FPN: Attention Aggregation based Feature Pyramid Network for
Instance Segmentation [68.10621089649486]
アテンションアグリゲーションに基づく機能ピラミッドネットワーク(A2-FPN)を提案し、マルチスケール機能学習を改善します。
A2-FPNは、Cascade Mask R-CNNやHybrid Task Cascadeといった強力なベースラインに統合された場合、2.0%と1.4%のマスクAPを改善する。
論文 参考訳(メタデータ) (2021-05-07T11:51:08Z) - Recursive Multi-model Complementary Deep Fusion forRobust Salient Object
Detection via Parallel Sub Networks [62.26677215668959]
完全畳み込みネットワークは、正体検出(SOD)分野において優れた性能を示している。
本稿では,全く異なるネットワークアーキテクチャを持つ並列サブネットワークからなる,より広いネットワークアーキテクチャを提案する。
いくつかの有名なベンチマークの実験では、提案されたより広範なフレームワークの優れた性能、優れた一般化、強力な学習能力が明らかに示されている。
論文 参考訳(メタデータ) (2020-08-07T10:39:11Z) - Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。
レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
論文 参考訳(メタデータ) (2020-02-25T14:06:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。