利用卷积层实现滑动窗口(Convolutional implementation of sliding windows)

本文主要是介绍利用卷积层实现滑动窗口(Convolutional implementation of sliding windows),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 利用滑动窗口进行目标检测时,低级做法是:滑动一下窗口,送入CNN执行一次分类,再滑一下,再分类。。。。这样效率太低。
 我们很容易发现,在每次滑动得到的窗口卷积的过程中,很多地方是重复进行了卷积,那我们可不可以一次性送入整张图片,直接得到所有滑动窗口的结果呢?
Sure!
 假设我们有个14x14x3的图,其要送入如图所示的+全连接的网络进行分类:
在这里插入图片描述
 那么由于全连接层的存在,会改变原先矩阵的结构,无法达到我们只传入一整张图实现所有滑动窗口的目的(即FC的存在会使输入图像固定大小)。
 所以我们先要将全连接层等价地变成卷积层。

How FC layer -----> Conv layer?

在这里插入图片描述
 So easy,看图!最后一层卷积层我们得到了5x5x16的特征图,
 1. 然后第一层全连接层我们换成采用400个5x5x16的卷积核进行卷积。
 2. 第二层卷积用400个1x1x400的卷积核进行卷积
 3. 最后用4个1x1x400代替softmax不就OK。
 其实这样的操作和全连接是一样的,因为我们得出的这400个节点,都是分别用400个卷积核核特征图进行线性加权求和得到,所以和全连接层起到一样的效果。
 (注:全卷积网络参数量没有变,只是为了实现在卷积层上实现滑动窗口,在目标检测中很有用)

Convolutional implementation of sliding windows:

在这里插入图片描述
 假设输入CNN的图片为14x14x3,测试图片为16x16x3。
 那就需要移动窗口(窗口大小:14x14x3),得到4个14x14x3的图片,分别将其输入CNN,得到4个结果。
 这样效率太低,存在很多重复的卷积运算。其实我们可以将整张16x16x3的图输入CNN,如上图(下)所示,最后得出4个小方块,其实每个小方块对刚好就是对应的一个滑动窗口的预测结果(不信的话,你可以自己用笔圈一圈,看看卷积后的结果即懂)。
 这里滑动步幅是2是如何实现的呢?其实是通过max-pooling中的池化参数为2,这就相当于以大小为2的步幅在原始图片上应用CNN。

 以上我们就实现了在卷积层上应用滑动窗口,它能够提高整个检测算法的效率。
 不过这种算法仍然存在一个缺点,就是边界框的位置可能不够准确。其中一个能得到更精准边界框的算法是YOLO算法,基本思想就是将图像划分成nxn个grid cell,对象的中点落在哪个cell中,哪个cell就负责该对象的预测。。。。这里就不讲YOLO了哈哈哈。

参考:Andrew Ng 的教学视频

这篇关于利用卷积层实现滑动窗口(Convolutional implementation of sliding windows)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/274527

相关文章

Java实现将byte[]转换为File对象

《Java实现将byte[]转换为File对象》这篇文章将通过一个简单的例子为大家演示Java如何实现byte[]转换为File对象,并将其上传到外部服务器,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言1. 问题背景2. 环境准备3. 实现步骤3.1 从 URL 获取图片字节数据3.2 将字节数组

Win32下C++实现快速获取硬盘分区信息

《Win32下C++实现快速获取硬盘分区信息》这篇文章主要为大家详细介绍了Win32下C++如何实现快速获取硬盘分区信息,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 实现代码CDiskDriveUtils.h#pragma once #include <wtypesbase

Windows命令之tasklist命令用法详解(Windows查看进程)

《Windows命令之tasklist命令用法详解(Windows查看进程)》tasklist命令显示本地计算机或远程计算机上当前正在运行的进程列表,命令结合筛选器一起使用,可以按照我们的需求进行过滤... 目录命令帮助1、基本使用2、执行原理2.1、tasklist命令无法使用3、筛选器3.1、根据PID

Nginx实现前端灰度发布

《Nginx实现前端灰度发布》灰度发布是一种重要的策略,它允许我们在不影响所有用户的情况下,逐步推出新功能或更新,通过灰度发布,我们可以测试新版本的稳定性和性能,下面就来介绍一下前端灰度发布的使用,感... 目录前言一、基于权重的流量分配二、基于 Cookie 的分流三、基于请求头的分流四、基于请求参数的分

Python Excel实现自动添加编号

《PythonExcel实现自动添加编号》这篇文章主要为大家详细介绍了如何使用Python在Excel中实现自动添加编号效果,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1、背景介绍2、库的安装3、核心代码4、完整代码1、背景介绍简单的说,就是在Excel中有一列h=会有重复

Python中Windows和macOS文件路径格式不一致的解决方法

《Python中Windows和macOS文件路径格式不一致的解决方法》在Python中,Windows和macOS的文件路径字符串格式不一致主要体现在路径分隔符上,这种差异可能导致跨平台代码在处理文... 目录方法 1:使用 os.path 模块方法 2:使用 pathlib 模块(推荐)方法 3:统一使

MySQL的隐式锁(Implicit Lock)原理实现

《MySQL的隐式锁(ImplicitLock)原理实现》MySQL的InnoDB存储引擎中隐式锁是一种自动管理的锁,用于保证事务在行级别操作时的数据一致性和安全性,本文主要介绍了MySQL的隐式锁... 目录1. 背景:什么是隐式锁?2. 隐式锁的工作原理3. 隐式锁的类型4. 隐式锁的实现与源代码分析4

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

MySQL中Next-Key Lock底层原理实现

《MySQL中Next-KeyLock底层原理实现》Next-KeyLock是MySQLInnoDB存储引擎中的一种锁机制,结合记录锁和间隙锁,用于高效并发控制并避免幻读,本文主要介绍了MySQL中... 目录一、Next-Key Lock 的定义与作用二、底层原理三、源代码解析四、总结Next-Key L

Java中数组转换为列表的两种实现方式(超简单)

《Java中数组转换为列表的两种实现方式(超简单)》本文介绍了在Java中将数组转换为列表的两种常见方法使用Arrays.asList和Java8的StreamAPI,Arrays.asList方法简... 目录1. 使用Java Collections框架(Arrays.asList)1.1 示例代码1.