论文阅读006-RCNN-Rich feature hierarchies for accurate object detection and semantic segmentation

最新推荐文章于 2024-04-18 23:00:13 发布
最新推荐文章于 2024-04-18 23:00:13 发布
阅读量143 收藏
点赞数
分类专栏： 计算机视觉 文章标签： RCNN 目标识别 卷积神经网络 CV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/OTime77/article/details/96154459
版权

目录

写在前面

阅读论文的时候有一些术语不理解，在这里汇总一下。
Region Proposal Algorithms：将图片分成很多很小的区域的方法
就Region Proposal Algorithms也有好几种。

  • Exhaustive Search 穷举法
    遍历图像的每一个像素
  • Segmentation 分割法
  • Selective Search
    ……

可以参考下面文献查看更多术语的详细解释：
https://zhuanlan.zhihu.com/p/23006190
https://zhuanlan.zhihu.com/p/39927488

本文重点

  • 将Region Proposal Algorithms与CNN结合，故命名为RCNN。
  • 当有标注数据量比较少时，先进行有监督预训练（supervised pre-training），再进行无监督训练（unsupervised pretraining）

模型设计

步骤一：有监督预训练网络参数

使用AlexNet训练好的网络参数【即本文创新点supervised pretraining】✔️；

步骤二：模型fine-tuning

去掉AlexNet中最后的1000-way层，换成（20+1）-way层，因此只保留AlexNet中的主干网络卷积层部分，全连接层去掉；
注：20+1中的20代表物体类别数为20，1代表类别为背景

步骤三：特征提取

  • 提取候选框（使用selective search）

什么是selective search选择性搜索？

通过selective search方法可以有效节约时间和减少计算量。

  • 使用CNN网络提取候选框特征【本文创新点】✔️

步骤四：训练SVM分类器

  • 每类对应一个SVM分类器

步骤五：回归器精选候选框位置

  • 利用线性回归模型判定框的准确度

模型缺点

  • RCNN不是整体意义上的深度学习模型，只是将传统目标识别方法中的物体特征提取这一部分使用CNN模型
  • 模型训练时间还是较长
  • 步骤较多

官方源码

matlab+caffe
https://github.com/rbgirshick/rcnn

半夜萤火虫
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Girshick 等。 - 2014 - Rich Feature Hierarchies for Accurate Objec
08-03
在计算机视觉领域，Girshick等人在2014年发表的《Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation》是一项里程碑式的工作，它为对象检测和语义分割提供了强大的新方法。...
RCNN-FastRCNN-FasterRCNN-MaskRCNN-TensorMask论文
03-30
2014 Rich feature hierarchies for accurate object detection and semantic segmentation 2015 Fast R-CNN 2016 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 2017 A-Fast-...
Paper-----Rich feature hierarchies for accurate object detection and semantic segmentation
shanzsz的博客
03-04 457
论文标题：Rich feature hierarchies for accurate object detection and semantic segmentation 标题翻译：丰富的特征层次结构，可实现准确的目标检测和语义分割 论文作者：Ross Girshick Jeff Donahue Trevor Darrell Jitendra Mali 论文地址 RCNN的GitHub地址 -----------------------✂下面是正文✂------------------------
RCNN详细介绍 Rich feature hierarchies for accurate object detection and semantic segmentation
kejizuiqianfang的博客
08-18 218
Rich feature hierarchies for accurate object detection and semantic segmentation Publisher: CVPR 2014 论文链接 目录 Rich feature hierarchies for accurate object detection and semantic segmentation 1.概述 2.整体过程 2.1 模型的大概整体过程 2.2 Bbox 2.3 IoU 2.4 非极大值抑制 2.5 har
Rich feature hierarchies for accurate object detection and semantic segmentation论文笔记
最新发布
qq_58739479的博客
04-18 1011
文献的研究目的是为了提高对象检测和语义分割的准确性，特别是在PASCAL VOC这样的标准数据集上。研究的核心是提出一种名为R-CNN（Regions with CNN features）的新型算法，该算法通过结合区域提议和卷积神经网络（CNN）来实现更精确的对象定位和分类。研究方法包括以下几个关键步骤：1. **区域提议提取**：- 使用自底向上的方法，如Selective Search，从图像中提取可能包含对象的区域提议。这些提议作为后续处理的输入。
Paper-----Rich feature hierarchies for accurate object detection and semantic segmentation（精修）
shanzsz的博客
03-06 321
论文标题：Rich feature hierarchies for accurate object detection and semantic segmentation 标题翻译：丰富的特征层次结构，可实现准确的目标检测和语义分割 论文作者：Ross Girshick Jeff Donahue Trevor Darrell Jitendra Mali 论文地址 RCNN的GitHub地址 -----------------------✂下面是正文✂------------------------
论文精读：R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation...
qq_52053775的博客
05-22 1182
1.论文核心 我们提出了一种简单且可扩展的检测算法，相对于之前对VOC2012的最佳结果，它将平均平均精度(mAP)提高了30%以上——实现了53.3%的mAP。我们的方法结合了两个关键的见解：（1）可以应用高容量卷积神经网络(CNN)自底而上的地区建议为了定位和分段对象和 （2）标记训练数据稀缺，监督预训练辅助任务，其次是特定领域的微调，产生显著的性能提升。由于我们将区域建议与CNN结合起来，我们称我们的方法为R-CNN：具有CNN特征的区域。 2.主要内容 2.1 Abstract
【论文精读】【RCNN】Rich feature hierarchies for accurate object detection and semantic segmentation
weixin_44184852的博客
03-04 1365
近年来，目标检测性能停滞不前。性能最好的系统是将多个低级图像特征与来自目标检测器和场景分类器的高级上下文相结合的复杂集成。本文提出了一种简单且可扩展的目标检测算法，该算法比PASCAL VOC 2012上以前的最佳结果相对改进了30%。我们通过两种思路实现了这一成绩。第一种是将高表示能力卷积神经网络应用于自下而上的候选框，以便定位和分割目标。第二个是训练的范例-当标记的训练数据稀缺时，训练大型CNN。
【论文阅读】Rich feature hierarchies for accurate object detection and semantic segmentation
weixin_53563701的博客
01-02 1251
R-CNN的附录也好多内容，嘿嘿
【论文精读】Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation（R-CNN）
takedachia的博客
08-03 2795
本文是计算机视觉目标检测领域的奠基作，提出了**R-CNN**模型，指定了一类目标检测流程的范式，后期目标检测的算法都受其影响。 R-CNN中的R为 region，即目标检测候选框的意思。名字直接告诉我们，该工作就是对候选框进行CNN操作，提取出其特征，再对特征进行分类等处理。.........
Rich feature hierarchies for accurate object detection and semantic segmentation
qq_43593277的博客
03-10 1512
Abstract 在过去几年中，在标准PASCAL VOC数据集上测量的目标检测性能保持稳定。性能最好的方法是复杂的集成系统，通常将多个低级图像特征与高级上下文相结合。在本文中，我们提出了一种简单且可扩展的检测算法，与之前在VOC 2012上获得的53.3%的平均精度相比，平均精度（mAP）提高了30%以上。 我们的方法结合了两个关键观点： (1)可以将大容量卷积神经网络(CNN)应用于自下而上的区域建议(region proposals)，以便定位和分割目标； (2)当标记的训练数据稀缺时，辅助任务的有监
RCNN-FAST RCNN-FASTER RCNN
09-13
Rich feature hierarchies for accurate object detection and semantic segmentation Tech report Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition SSD_ Single Shot MultiBox ...
R-CNN论文整理
03-06
阅读《Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation》这篇论文，可以帮助初学者深入理解R-CNN的原理和实现细节，为后续深入研究相关技术打下坚实的基础。
R-CNN卷积神经网络的第一篇论文
02-25
该论文题目为《Rich feature hierarchies for accurate object detection and semantic segmentation》（用于精确的目标检测与语义分割的丰富特征层级），由Ross Girshick等人于UC Berkeley完成。 #### 二、论文...
使用pytorch进行迁移学习 修改预训练权重模型的分类层/输出类别（附mmaction相关实现代码）
半夜萤火虫的博客
05-05 4575
文章目录examplestep1 文件建立step2 获得预训练模型step3 模型修改参考文章 example 以mmaction中的tsn+resnet50+kinetics训练的模型作为预训练模型，拿来训练TSN+resnet+ucf101。 step1 文件建立 建立文件tools/transfer_model.py。 step2 获得预训练模型 在mmaction/modelzoo中找到...
卷积神经网络中的卷积有什么用？
半夜萤火虫的博客
07-07 2045
卷积可以提取图片中的特征。 参考文献 https://blog.csdn.net/charleswangzi/article/details/82733016 结合卷积神经网络by吴恩达 来看， 上图所示的卷积在不同的论文中被称作filter或者kernel，它代表着我们要提取的某个特征。如该PPT所示，其要提取左图的垂直边缘特征。将原始图片与卷积核进行卷积，可以发现右图中间两列的值非常大，那就...
mac+Xcode+opencv+ c++环境配置
半夜萤火虫的博客
04-21 1547
使用官网给的命令进行下载 /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" 忽略前面一大串名字，终于安装好了，这里最好用的热点安装= =速度好快，之前怎么装也装不上。 接下来就是安装opencv，看了下可以选择安装版本？？但是我直接安装openc...
mmaction中的rawframes_dataset.py
半夜萤火虫的博客
04-27 1170
文章目录 相关的包 import mmcv import numpy as np import os.path as osp from mmcv.parallel import DataContainer as DC from torch.utils.data import Dataset from .transforms import (GroupImageTransform) from .u...
R-CNN: Rich feature hierarchies for accurate object detection and semantic segmentation by Ross Girshick, et al. (2014)在哪里下载
06-09
- https://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Girshick_Rich_Feature_Hierarchies_2014_CVPR_paper.pdf 这两个网址分别是论文作者在 arXiv 和 CVPR 网站上发布的论文。你可以从这些网址...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值