运用金字塔池化方法的论文集

张志红

资料一；为了解决多尺度分割对象的问题，本文设计了采用级联或并行梯度卷积的模块，采用多尺度速率来捕获多尺度上下文。此外，我们建议改进我们之前提出的空间空间金字塔池模块，该模块在多个尺度上探测卷积特征，图像级特征编码全局上下文，并进一步提高性能。
( B, u* C# j6 l4 j! O0 r5 b资料儿；特征金字塔是识别系统中检测不同尺度物体的基本组成部分。但最近的深度学习对象探测器已经避免了金字塔表示，部分原因是它们是计算和内存密集型的。本文利用深度卷积网络固有的多尺度金字塔层次，构造了具有边际额外代价的特征金字塔。开发了一种具有横向连接的上顶体系结构，用于构建所有尺度上的高级语义特征图。
) M2 @8 [9 i1 x7 [% V3 f$ z- i1 V& j/ o
) F2 H; `7 |# r; i( p9 Q