目標檢測 | 基于統計自適應線(xiàn)性回歸的目標尺寸預測

一、簡(jiǎn)要

今天分享的是研究者提出了基于統計自適應線(xiàn)性回歸的目標尺寸預測方法。YOLOv2和YOLOv3是典型的基于深度學(xué)習的對象檢測算法，它們使用統計自適應指數回歸模型設計了網(wǎng)絡(luò )的最后一層來(lái)預測對象的尺寸大小。

然而，由于指數函數的性質(zhì)，指數回歸模型可以將損失函數的導數傳播到網(wǎng)絡(luò )中的所有參數中。研究者提出了統計自適應線(xiàn)性回歸層來(lái)緩解指數回歸模型的梯度爆炸問(wèn)題。所提出的統計自適應線(xiàn)性回歸模型用于網(wǎng)絡(luò )的最后一層來(lái)預測從訓練數據集的統計數據估計目標的尺寸大小。研究者新設計了基于YOLOv3tiny網(wǎng)絡(luò )，它在UFPR-ALPR數據集上比YOLOv3有更高的性能。

二、背景

主要這個(gè)上韓文論文，導致本人閱讀過(guò)程比較艱難，所以今天就簡(jiǎn)單介紹些整體框架思想，有興趣的同學(xué)可以進(jìn)一步閱讀論文，深入了解！

今天我們就不介紹傳統的檢測網(wǎng)絡(luò )了，因為我們”計算機視覺(jué)研究院“之前分享了太多的目標檢測類(lèi)干貨及實(shí)踐，想入門(mén)級進(jìn)一步熟知請查看歷史分享。部分分享見(jiàn)下鏈接：

 往期推薦 

*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。