Обнаружение компьютерного зрения на небольшом объекте плохие результаты, почему?

Question

В настоящее время для обнаружения (задачи локализации + распознавания) мы используем в основном алгоритм глубокого обучения в компьютерном зрении.Существуют два типа детекторов:

• одна ступень: SSD, YOLO, ретинанет, ...
• две ступени: RCNN, быстрая RCNN и более быстрая RCNN, например

Использование этих детекторов на очень маленьких объектах (например, 10 пикселей) является очень сложной задачей, и кажется, что одностадийный алгоритм хуже, чем двухстадийный алгоритм.Но я не очень понимаю, почему он работает лучше на Faster RCNN, например.Фактически, одно- и двухступенчатый детектор используют оба понятия привязки, и большинство из них используют одну и ту же магистраль, такую ​​как VGG16 или resnet50 / resnet101.Это означает, что рецептивные поля одинаковы.Например, я пытался обнаружить очень маленький объект на ретинанете и на более быстром RCNN.На ретинанете мелкие объекты не обнаруживаются вопреки более быстрому шуму.Я не понимаю почему.Что такое экспликация теоретически?(та же самая магистраль: resnet50)

Answer 1

Я думаю, что в целом сети, такие как retinaNet, пытаются восполнить пробел, о котором вы упоминаете. Обычно в одноэтапных сетях у нас будут якорные ящики различного масштаба в картах функций, создаваемых сетью Backbone. Эти карты функций создаются сильно Выборка входного изображения. Много информации о маленьком объекте может быть потеряно при выполнении этой операции. Хотя это имеет место с одноступенчатыми детекторами, в двухкаскадных детекторах из-за гибкости сети RPN сеть RPN может по-прежнему предлагать области, которые малы, и это может помочь ему работать немного лучше, чем его одноэтапные аналоги.

Я не думаю, что вы должны быть очень удивлены тем, что оба из них могут использовать одну и ту же магистраль. После извлечения функциональных возможностей обе сети используют разные методы для обнаружения.

Надеюсь, это поможет, Дайте мне знать, если я не достаточно ясно, или у вас есть вопросы.