视觉目标检测及分割任务中使用解耦头的好处
什么是解耦头？在做实例分割时，我们需要输出分类置信度图和实例mask图；在做目标检测时，我们需要输出目标的分类和边框位置；所以，这两类任务都需要输出分类和位置！采用两个不同的头解耦输出分类和位置，称为decoupled；其中目标检测的解耦头如下图所示：solov2的解耦头如下图所示：为什么要用到解耦头？因为分类和定位的关注点不同！分类更关注目标的纹理内容！定位更关注目标的边缘信息！如上图所示分类更
·
什么是解耦头？
在做实例分割时，我们需要输出分类置信度图和实例mask图；
在做目标检测时，我们需要输出目标的分类和边框位置；
所以，这两类任务都需要输出分类和位置！
采用两个不同的头解耦输出分类和位置，称为decoupled；
其中目标检测的解耦头如下图所示：
solov2的解耦头如下图所示：
为什么要用到解耦头？
因为分类和定位的关注点不同！
分类更关注目标的纹理内容！
定位更关注目标的边缘信息！
如上图所示分类更关注中心的内容区域，而边框回归更关注边缘信息！
有实验表明使用解耦头之后目标检测任务的精度提升了三个百分点~
具体分析说明详见：https://blog.csdn.net/jiacong_wang/article/details/120674145
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
7
0- 0
已为社区贡献3条内容
所有评论(0)