Apr, 2024

LR-FPN：利用位置优化特征金字塔网络增强遥感物体检测

PDF
TL;DR提出了一种新颖的位置精化特征金字塔网络（LR-FPN），以增强浅层位置信息的提取和细粒度上下文交互。通过实验验证，LR-FPN 在遥感目标检测方面优于现有的方法。
remote sensingtarget detectionfeature pyramid networkspositional informationcontext interaction
发现论文，激发创造
  • 基于快速傅里叶卷积的卫星遥感图像目标检测

    提出了一种基于频域卷积和双边谱感知的特征金字塔网络的遥感目标检测方法，实验结果表明该方法在小目标检测方面表现突出。

    Sep, 2022

  • AugFPN: 改进目标检测多尺度特征学习

    本文分析了现有的特征金字塔结构在物体检测方面的问题，提出了一种新的名为 AugFPN 的特征金字塔架构，成功应用在 Faster R-CNN、RetinaNet 和 FCOS 等模型中，显著提高了平均精度 AP。

    Dec, 2019

  • 动态特征金字塔网络用于物体检测

    本文通过扩大特征金字塔网络（FPN）的感受野来增强空间信息，从而提高目标检测精度，提出了一种新的动态 FPN（DyFPN）方法，它可以通过适应性选择分支进行动态计算，以在维持高性能的情况下更有效地利用计算资源。实验证明，与基准模型相比，采用 DyFPN 可以以更少的计算量获得相似的高性能。

    Dec, 2020

  • 基于多尺度旋转稠密特征金字塔网络的复杂场景 Google 地球遥感图像自动船舶检测

    本文提出了一种名为旋转密集特征金字塔网络（R-DFPN）的框架，使用 DFPN 解决平凡特征图宽度小的问题，同时还设计了旋转锚策略和多尺度 ROI 对齐等方法，大大提高了船舶检测的性能及效果。

    Jun, 2018

  • 特征金字塔网络用于目标检测

    该论文介绍了基于深度卷积网络的 Feature Pyramid Network（FPN），该网络利用深度卷积网络自带的金字塔多尺度特征，并在多种应用中取得了重大改进，尤其是在目标检测上。使用 FPN 的 Faster R-CNN 系统在 COCO 检测基准测试中取得了最先进的单模型结果。此外，该方法能够在 GPU 上以 5 FPS 的速度运行，是一种实用且准确的多尺度目标检测解决方案。

    Dec, 2016

  • GraphFPN：面向物体检测的图特征金字塔网络

    本文提出的基于图形特征金字塔网络的多尺度特征学习方法，在对象检测任务中优化了 Faster R-CNN 算法，并超越了之前的最先进特征金字塔算法和其他流行的检测方法。

    Aug, 2021

  • 对象检测的隐式特征金字塔网络

    本文介绍了一种基于 DEQ 的隐式特征金字塔网络（i-FPN）用于物体检测，实验结果表明 i-FPN 可以显著提高检测性能。

    Dec, 2020

  • FaPN：基于特征对齐的金字塔网络用于稠密图像预测

    本文提出了一种特征对齐模块和特征选择模块，用于上下文对齐上采样的高级特征，以及强调富有空间细节的低级特征，并将这两个模块集成在一个自上而下的金字塔结构中，形成了一种名为特征对齐金字塔网络（FaPN）的方法，该方法在四个密集预测任务和四个数据集上表现出比 Faster / Mask R-CNN 配对的 FPN 改进了 1.2-2.6 个 AP /mIoU 点，特别地，在 Mask-Former 中融合后，FaPN 在 ADE20K 上实现了 56.7％的 mIoU，代码可从此 URL 获得

    Aug, 2021

  • Retro-FPN：用于点云语义分割的回顾式特征金字塔网络

    通过在金字塔层面上建模每个点的特征预测，并利用回溯式的精炼过程从前一层中提取语义特征，本文提出 Retro-FPN 方法以解决点云语义分割中的信息丢失和模糊语义识别的问题，该方法在三个常用的骨干网络上得到了显著的性能提升。

    Aug, 2023

  • RCNet: 反向特征金字塔和跨尺度移位网络用于目标检测

    本篇研究提出一种新型的 RCNet 架构，由 Reverse Feature Pyramid (RevFP) 和 Cross-scale Shift Network (CSN) 组成，用于多尺度特征融合，在 MS COCO 测试集中证明 RCNet 能够显著提高 RetinaNet 等检测器的精度

    Oct, 2021