开发者社区> 一个处女座的程序猿> 正文

DL之SPP-Net:SPP-Net算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略(一)

简介: DL之SPP-Net:SPP-Net算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
+关注继续查看

SPP-Net算法的相关论文


     SPP-Net的第一作者也是何凯明,原论文《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》。用于分类和检测任务,在ImageNet数据集ILSVRC2014竞赛上,检测任务获得第二名、分类任务第三名。


Abstract

      Existing deep convolutional neural networks (CNNs) require a fixed-size (e.g., 224×224) input image. This requirement  is “artificial” and may reduce the recognition accuracy for the images or sub-images of an arbitrary size/scale. In this  work, we equip the networks with another pooling strategy, “spatial pyramid pooling”, to eliminate the above requirement. The  new network structure, called SPP-net, can generate a fixed-length representation regardless of image size/scale. Pyramid  pooling is also robust to object deformations. With these advantages, SPP-net should in general improve all CNN-based image  classification methods. On the ImageNet 2012 dataset, we demonstrate that SPP-net boosts the accuracy of a variety of CNN  architectures despite their different designs. On the Pascal VOC 2007 and Caltech101 datasets, SPP-net achieves state-of-theart  classification results using a single full-image representation and no fine-tuning.  

      现有的深度卷积神经网络(CNNs)需要一个固定大小的输入图像(如224×224)。这一要求是“人为的”,可能会降低对任意大小/尺度的图像或子图像的识别精度。在这项工作中,我们为网络配备了另一种pooling 策略,“空间金字塔池”,以消除上述的要求。这种新的网络结构称为SPP-net,可以生成固定长度的表示,而不受图像大小/比例的影响。金字塔池对物体变形也有很强的鲁棒性。基于这些优点,SPP-net一般应改进所有基于CNN的图像分类方法。在ImageNet 2012数据集中,尽管它们的设计不同,我们证明了SPP-net提高了各种CNN架构的准确性。在Pascal VOC 2007和Caltech101数据集上,SPP-net使用单一的全图像表示,无需微调,就可以实现最先进的分类结果。

      The power of SPP-net is also significant in object detection. Using SPP-net, we compute the feature maps from the entire  image only once, and then pool features in arbitrary regions (sub-images) to generate fixed-length representations for training  the detectors. This method avoids repeatedly computing the convolutional features. In processing test images, our method is  24-102× faster than the R-CNN method, while achieving better or comparable accuracy on Pascal VOC 2007.  

      在目标检测中,SPP-net的能力也很重要。利用SPP-net算法,只对整个图像进行一次特征映射计算,然后将特征集合到任意区域(子图像),生成固定长度的表示形式,用于训练检测器。该方法避免了卷积特征的重复计算。在处理测试图像时,我们的方法比R-CNN方法快24-102倍,而在Pascal VOC 2007上达到了更好或相近的精度。

      In ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 2014, our methods rank #2 in object detection and #3 in  image classification among all 38 teams. This manuscript also introduces the improvement made for this competition.

      在2014年的ImageNet Large Scale Visual Recognition Challenge (ILSVRC)中,我们的方法在所有38个团队中对象检测排名第二,图像分类排名第三。本文还介绍了本次比赛的改进情况。

CONCLUSION  

      SPP is a flexible solution for handling different scales,  sizes, and aspect ratios. These issues are important in  visual recognition, but received little consideration in  the context of deep networks. We have suggested a solution  to train a deep network with a spatial pyramid  pooling layer. The resulting SPP-net shows outstanding  accuracy in classification/detection tasks and  greatly accelerates DNN-based detection. Our studies  also show that many time-proven techniques/insights  in computer vision can still play important roles in  deep-networks-based recognition.

结论

      SPP是一个灵活的解决方案,可以处理不同的规模、大小和纵横比。这些问题在视觉识别中很重要,但在深度网络环境中却很少被考虑。论文提出了一种利用空间金字塔池层,训练深度网络的方法。由此产生的SPP-net在分类/检测任务中显示出优异的精度,大大加快了基于DNN的检测速度。我们的研究还表明,在基于深度网络的识别中,许多经过时间检验的计算机视觉技术/见解仍然可以发挥重要作用。


相关论文

Kaiming He, XiangyuZhang, ShaoqingRen, and Jian Sun.

Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition . ECCV 2014

https://arxiv.org/abs/1406.4729


0、实验结果


1、VOC2007


image.png


2、ILSVRC 2014 Classification


image.png



3、ILSVRC 2014 Detection


image.png




1、SPP-Net中的亮点


    在此之前,所有的神经网络都是需要输入固定尺寸的图片,比如224*224(ImageNet)、32*32(LenNet)、96*96等。这样对于我们希望检测各种大小的图片的时候,需要经过crop,或者warp等一系列操作,这都在一定程度上导致图片信息的丢失和变形,限制了识别精确度。而且,从生理学角度出发,人眼看到一个图片时,大脑会首先认为这是一个整体,而不会进行crop和warp,所以更有可能的是,我们的大脑通过搜集一些浅层的信息,在更深层才识别出这些任意形状的目标。


分类: improves all CNN architectures

检测: 24~64x faster than R-CNN

ILSVRC 2014: #2 in detection, #3 in classification.

 


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
神策杯 2018高校算法大师赛(个人、top2、top6)方案总结(上)
神策杯 2018高校算法大师赛(个人、top2、top6)方案总结(上)
5 0
神策杯 2018高校算法大师赛(个人、top2、top6)方案总结(下)
神策杯 2018高校算法大师赛(个人、top2、top6)方案总结(下)
5 0
心中有“树”!图文并茂介绍数据结构中常见的树(三)
在前面两篇文章中,我们简要介绍了数据结构中的各种【树】在搜索、数据库等领域的使用场景,希望对大家有所帮助。
10 0
文本点击率预估挑战赛-冠亚季军方案总结(上)
文本点击率预估挑战赛-冠亚季军方案总结(上)
4 0
文本点击率预估挑战赛-冠亚季军方案总结(下)
文本点击率预估挑战赛-冠亚季军方案总结(下)
4 0
NLP比赛-小布助手对话短文本语义匹配
NLP比赛-小布助手对话短文本语义匹配
6 0
记住这两个二分模板,秒杀所有二分查找算法题!
二分查找是一种在每次比较之后将查找空间一分为二的算法。当我们要处理的问题具备单调性,或者要搜寻序列的边界时,应该考虑使用二分查找算法
8 0
心中有“树”!图文并茂介绍数据结构中常见的树(二)
计算机科学家尼古拉斯·沃斯(Niklaus Wirth)曾说过:编程=数据结构+算法 ,可见数据结构在编程中的重要性。
4 0
微信小游戏推广运营专业术语汇总
本文内容包括与微信小游戏运营推广相关的专业术语的汇总和解释。作为一个游戏开发者,不光要知道如何做游戏,也要知道如何让别人玩自己做的游戏。
4 0
+关注
一个处女座的程序猿
国内互联网圈知名博主、人工智能领域优秀创作者,全球最大中文IT社区博客专家、CSDN开发者联盟生态成员、中国开源社区专家、华为云社区专家、51CTO社区专家、Python社区专家等,曾受邀采访和评审十多次。仅在国内的CSDN平台,博客文章浏览量超过2500万,拥有超过57万的粉丝。
1703
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
OceanBase 入门到实战教程
立即下载
阿里云图数据库GDB,加速开启“图智”未来.ppt
立即下载
实时数仓Hologres技术实战一本通2.0版(下)
立即下载