CN114863088B 一种面向长尾目标检测的分类对数归一化方法 （南京大学）_第1页
CN114863088B 一种面向长尾目标检测的分类对数归一化方法 （南京大学）_第2页
CN114863088B 一种面向长尾目标检测的分类对数归一化方法 （南京大学）_第3页
CN114863088B 一种面向长尾目标检测的分类对数归一化方法 （南京大学）_第4页
CN114863088B 一种面向长尾目标检测的分类对数归一化方法 （南京大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种面向长尾目标检测的分类对数归一化一种面向长尾目标检测的分类对数归一化类数据集ImageNet-LT上取得了较好的22.根据权利要求1所述的一种面向长尾目标检测的分类对数归一化方法，其特征是检3.根据权利要求1或2所述的一种面向长尾目标检检测任务为对检测目标的分类和定位任务，目标检测网络对应具有分类分支和定位分支，每批(C+1)维分类对数向量xeRW⃞(C+1),每个向量都包含C个前景类和一个背景类的分类3通常将标签频率注入到分类的logit中，因此不能适应配备了各种采样器的目标检测器内4于分类分支输出的每批(C+1)维分类对数向量xeRW⃞(C+1),每个向量都包含C个前景类和[0013]归一化操作为：通过指数滑动平均从训练集的分类批量统计量中累积全局统计[0015]本发明提出了一种分类对数归一化方法来对长尾分布下的目标检测器的分类输5[0017]本发明方法用训练后计算的统计数据对logit进行归一化，能够动态地适应这种类对数向量的前景子向量x被归一化为后，网络应用一个argmax函数来获得相应标签6指数滑动平均(EMA)的方法，来逐步聚合目标检测器在每个批样本上预测的分类对数向量[0032]所使用的测试指标在不同任务的数据集上不同：在长尾目标检测任务上，AP(AveragePrecision)被作为评估指标，其定义为预测正确的样本数占所有预测为真值的用的指标APb(目标检测平均精准率)和AP(实例分割平均精准率)之外，还报告了细粒度的[0033]如图2所示，本发明可以适用于各种目标检测器，在LVIS1.0数据集上，当使用R101作为目标检测器并使用随机采样时，本发明方法的平均准确率有33.5比最优方法[0034]为了显示本发明方法的通用性，本发明也验证了在长尾分类上的结果，使用789

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论