参考学习的博客
前两个是膨胀系数不同的空洞卷积,最后一个对应1x1
26行dot_layer那里, sigmoid操作:要和原特征图相乘,如果这个相乘操作使得乘积后的值过大会导致梯度波动太大,所以用sigmoid把整体归一化。
这个2是黑白,else是C+1
这个If是在超参数那边设置
后两部分暂时没看,因为和自己工作关系不是很大。
待验证
【SCRDet++代码调试】损失很低,但检测效果并不好的问题_dear_jing的博客-CSDN博客
它的提出本来也是可以应用到自然数据集,目标解决的小而杂的问题。
创新点:
- SF-Net(Finer Sampling and Feature Fusion Network):特征融合、抽样改进。
- MDA-Net( Multi-Dimensional Attention Network)
特征融合模块
后面有答案
其他相关博客
https://blog.csdn.net/baixue0729/article/details/10097237 翻译相关
论文阅读---SCRDet---Towards More Robust Detection for Small, Clutteredand Rotated Objects_黑依的博客-CSDN博客 解读
旋转目标检测方法解读 (SCRDet, ICCV2019) - 知乎学习笔记
关系:小目标大方向、遥感小方向、解决遥感图像里出现的小目标问题。“这在遥感图像中尤其突出”表达上这么一句话起了联系的作用。
有个问题,就算创新点足够创新,如果mAP没上70的话也没有关系吗?(有关系)上面的感觉就是可能有一种情况,自认为是创新点部分可能不被审稿人认可。
其他有趣的东西
qt获取图像的每个像素rgb_【可视化-1】认识图像,从图像可视化开始_weixin_39894914的博客-CSDN博客
01-利用Python实现多波段影像合成 - 知乎 感觉像是遥感另一个方向