#422 · 主分类： 计算机视觉
PreciseRoIPooling
computer-vision
object-detection
Precise RoI Pooling，支持坐标梯度，出自论文《Acquisition of Localization Confidence for Accurate Object Detection》（https://arxiv.org/abs/1807.11590）。
项目最后更新：12/12/22
GitHub Stars
781
Forks数量
151
贡献者数量
3
许可证
MIT
收录理由
PreciseRoIPooling 实现了 ECCV 2018 那篇关于定位置信度的论文中提出的 PrRoI 池化算子，对于在 PyTorch 里训练两阶段检测器的人来说，它解决了一个很实际的痛点。与 Fast R-CNN 那种把 RoI 量化到离散网格的做法不同，也和 RoI Align 固定采样几个点的方式不一样，它通过双线性插值对区域做积分，从而让边界框坐标获得连续的梯度。这样一来，损失函数就能反过来优化框的位置，而不是把框当作固定输入。这个实现小巧且自包含，只支持 PyTorch，论文里也把梯度推导写得很清楚，需要时可以查阅。有个安装上的小坑：必须用 git clone 拉取仓库，直接下载 zip 会破坏源码里的符号链接，导致编译失败。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。