深度学习论文: Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection及其PyTorch实现
发布时间
阅读量：
阅读量
深度学习论文: Slicing-Aided Hyper-Inference 和 Fine-Tuning 其用于小物体检测及其 PyTorch 实现
Slice-Assisted Hyper-Inference and Fine-Tuning for Small Object Detection
PDF: https://arxiv.org/pdf/2202.06934.pdf
PyTorch 代码: https://github.com/shanglianlm0525/CvPytorch (CvPytorch 项目)
PyTorch 代码: https://github.com/shanglianlm0525/PyTorch-Networks (PyTorch 网络项目)
1 概述
开发了一个名为切片辅助超推理（SAHI）的开源框架
该技术已与Detectron2、MMDetection和YOLOv5模型集成.
2 Slicing Aided Hyper Inference (SAHI)
采用了滑动窗口方法的技术路线后,作者将整个图像划分为多个重叠的小块分块区域.这种分割方式显著提高了网络对图像中小目标检测的能力.
2-1 Slicing aided fine-tuning
基于fine-tuning数据，在其中随机提取一个区域块（由[M_{min}, M_{max}]和[N_{min}, N_{max}]界定），并按比例缩放到输入图像尺寸，并与原始图像一同参与finetuning过程。
注意 ：切片太小的话（大目标放不下），可能会影响大目标的检测效果。
2-2 Slicing aided hyper inference
在推理过程中采用分段法。首先将原始图像分割为若干具有部分重叠区域的子图像块，并对各子图像块及其所属的原始图像进行网络推理运算。最后通过非极大值抑制算法整合各子区域的结果得到最终输出。
3 Results
全部评论 (0)
还没有任何评论哟~