Imbalance Problems in Object Detection:A review 文献阅读
9.3
scale imbalance问题
9.3.1高级特征不同层的特性
1.抽象性：FPN中高层网络表征高一级特征, 低级网络表征低级特征。低级特征一般为边，轮廓， 角点等，但是高级特征更抽象。
2.粗粒度的。高级别的特征维度小，对应的边框数量少。所以是粗粒度的。
3.基数（结果的子集）预测目标框的时候根据目标的scale，在对应的FPN层去预测。但是目标scale不平衡，会在训练中影响反向传播进而影响最终的预测结果。
9.3.2图像金字塔(多尺度图像)
由于计算资源的限制，多尺度图像一般不用。
在深度学习之前人们使用多尺度图像。但是在深度学习之后，由于显存的限制，迫使人们使用多尺度的特征。另一方面，两者近似，它可以达到类似的效果。所以人们再说深度学习中不常使用多尺度图像。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！