NAS-FPN

YOLOv8添加加权双向金字塔结构的特征加强模块BiFPN

BiFPN论文论文地址：1911.09070.pdf(arxiv.org)二、BiFPN简要介绍BiFPN具有高效的多尺度特征融合，在过去的研究中，FPN等多尺度特征融合网络已经被广泛运用，如PANET、NAS-FPN

学yolo的小白·2024-01-01 20:01

BiFPN---加权双向特征金字塔网络（附代码）

无妄无望·2023-10-25 17:29

超越 FPN 和 NAS-FPN！商汤&港中文提出 FPG，特征金字塔网格强势登场！

论文标题：FeaturePyramidGrids作者团队：商汤&港中文(陈恺&林达华)&南洋理工大学&FAIR论文链接：https://arxiv.org/abs/2004.03580该文章首发在arxiv上，新投稿于CVPR。引言特征金字塔网络已在目标检测中被广泛采用，以改进特征表示以更好地处理尺度变化。设计思路在本文中，作者设计了特征金字塔网格（FPG），这是一个深层的多路径特征金字塔，它将特

Mr.Jk.Zhang·2023-01-18 20:39

超越FPN和NAS-FPN！ FPG：《Feature Pyramid Grids》特征金字塔网格强势登场！

性能优于FPN、NAS-FPN等金字塔网络。作者团队：商汤&港中文(陈恺&林达华)&南洋理工大学&FAIR该文章首发在arxiv上，新投稿于CVPR。

baobei0112·2023-01-18 20:35

NAS-FPN论文解析

下面我们以NAS-FPN为例，介绍NAS在深度学习物体检测中的应用。

EntropyNeg·2023-01-10 15:41

数据增强神器 SimpleCopyPaste 支持全流程

基于该数据增强，使用EfficientNet-B7骨干网络和NAS-FPN结构的算法模型可以在COCO测试集上实现49.1maskA

OpenMMLab·2022-11-23 05:46

深度学习笔记------现阶段的目标检测器结构解析（Neck[FPN,PANet,Bi-FPN],Head[rpn,yolo...]）

概述2.经典Neck的回顾2.1FPN(特征金字塔结构)2.2PANet2.2.1创建了自下而上的路径增强2.2.2AdaptiveFeaturePooling2.3Bi-FPN及FPN的演进ASFF，NAS-FPN

YOULANSHENGMENG·2022-11-22 19:32

CVPR 2019 论文大盘点—目标检测篇

总计56篇，绝大多数含开源代码，很多已经被大家所熟悉，比如KL-Loss、ScratchDet、ExtremeNet、NAS-FPN、GIoU等。

OpenCV中文网公众号·2022-02-26 07:07

FPG-超越FPN、NAS-FPN的表现 | Feature Pyramid Grids

FPN改进版实在太多了，无非就是增加各种连接方式。本文的FPG名字听起来很新颖，但是与其他的改进版本没啥啥本质区别论文地址：https://arxiv.org/pdf/2004.03580.pdfAbstract：特征金字塔网络已在目标检测文献中广泛采用，以改进特征表示以更好地处理比例变化。在本文中，我们提出了特征金字塔网格（FPG），这是一个深层的多路径特征金字塔，它将特征尺度空间表示为平行的自

chenzy_hust·2020-08-02 14:15

目标检测之FPN、AugFPN、NAS-FPN

针对小目标的检测有提升的文章。未完待续~FeaturePyramidNetworksforObjectDetectionFPN是一种多尺度的目标检测算法。大多数目标检测算法都是采用顶层特征来做预测的，但是我们知道：低层的特征语义信息较少，但是位置信息丰富；高层的特征语义信息丰富，位置信息粗略。虽然也有些多尺度特征融合的方法，但是一般采用融合后的特征做预测，但是FPN是在不同特征层独立进行预测的。4

假言命题·2020-07-13 11:24

论文阅读：NAS-FPN

文章目录1、论文总述2、Binaryoperations3、Mergingcell4、thearchitectureoftheFPNcanbestackedrepeatedlyforbetteraccuracy5、Whatmakesagoodfeaturepyramidarchitecture?6、howtocontrolthemodelcapacity7、FurtherImprovements

贾小树·2020-07-13 06:00

谷歌大脑新技术——多尺度特征金字塔结构用于目标检测

采用神经结构搜索，在覆盖所有跨尺度连接的新的可扩展搜索空间中发现一种新的特征金字塔结构，新体系结构名为：NAS-FPN，由自上而下和自下而上的连接组成，以融合跨尺度的特性。

计算机视觉研究院·2020-06-23 12:57

谷歌大脑：AI生AI，子子孙孙无穷匮也

模型叫做NAS-FPN。大佬QuocLe说，它的长相完全在想象之外，十分前卫：△喜讯发布一日，已收获600颗心AI

脉脉享科技·2019-12-12 20:16

【论文笔记】：NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection

&Title:NAS-FPN:LearningScalableFeaturePyramidArchitectureforObjectDetection&Summary目前最先进的卷积结构用于物体检测是手工设计的

Activewaste·2019-08-06 11:50

[论文笔记] NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection（CVPR19）

[论文笔记]NAS-FPN:LearningScalableFeaturePyramidArchitectureforObjectDetection（CVPR19）

holeung·2019-08-04 08:11

目标检测算法

感觉目前最牛的是GoogleBrain的重磅NAS-FPN算法，大家都知道FPN很work，所以NAS就干脆直接搜multi-scale怎么融合比较好，大力出奇迹，从此大家就不用再自己手动连连看了。

萌面女xia·2019-06-26 17:30

目标检测NAS-FPN(文章发表时间2019_4)

转载首先看这篇文章https://www.jiqizhixin.com/articles/2019-04-22-12下面是对上面文章的补充大纲abstract1introductionFPN就是用来特征融合的层，之前都是手工设计，现在尝试神经网络搜索设计！其实就是优化FPN2relatedwork2.1architectureforpyramidalrepresentation2.2神经网络搜索（

bujingyu12345·2019-04-23 14:25

推荐频道