二阶目标检测（Two-Stage Object Detection）模型整理归纳

最新推荐文章于 2024-05-25 16:26:19 发布
最新推荐文章于 2024-05-25 16:26:19 发布
阅读量2.5k 收藏 7
点赞数 3
分类专栏： 目标检测 文章标签： 神经网络 卷积神经网络 计算机视觉
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/SeanCYX_007/article/details/117898642
版权

本文不详细介绍各种神经网络的细节和具体流程，主要在于归纳其特点并加以比较，希望让大家对二阶目标检测的发展过程和改进方法有个比较清晰的认知。

目录

二阶目标检测通用流程

  • 提出目标候选框（region proposal / region of interest）
  • 提取图片特征（feature）
  • 目标分类（classification）
  • 检测框回归（box regression）

示意图

注意的是，提出候选框和提取图片特征的顺序在不同的神经网络中有可能不同

主要神经网络

主要介绍RCNN系列的网络：

  • RCNN
  • Fast RCNN
  • Faster RCNN

RCNN

论文：Rich feature hierarchies for accurate object detection and semantic segmentation

详细解释请看这里

放一张结构图：

最低0.47元/天 解锁文章
SeanCYX_007
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
关于双阶段目标检测的学习
sunshine1324的博客
01-12 492
使用在imagenet上预训练的1000分类CNN，然后在voc数据集上选择性搜索出2000个区域提案区域提案resize后输入CNN，在voc数据集上微调CNN，20+1分类（CNN只负责提取特征，不负责最后的分类）训练SVM分类器bbox regression得到精确位置区域提案 2000候选框图片进行resize，使得min（w，h）=sbackbone提取特征分类和回归：分类：SPP 4层FC层SVM分类器回归：BBox回归NMS。
两阶段(two stage)目标检测原理详解 -- RCNN
热门推荐
AI学长
03-22 4万+
目录 一、目标检测的任务 二、什么是“两阶段”呢？ 三、两阶段算法原理 （二）候选区域算法 （三）边框回归（ Bounding Box Regression ） 1.非极大值抑制（Non-Maximum Suppression，NMS） 2.对候选框进行坐标调整 （三）RCNN模型结构 1. RCNN的模型结构 ​​​​​2.R-CNN 总结 目前目标检测领域的深度学习方法主要分为两类：two stage 的目标检测算法；one stage 的目标检测算法。 ...
【模型架构】目标检测中的单阶段、两阶段、Anchor-Free和Anchor-based，以Faster-RCNN、YOLO、CornerNet、CenterNet为例
最新发布
cjy_colorful0806的博客
05-25 1127
目标检测算法中，可以按照单阶段（One-Stage）和两阶段（Two-Stage）进行划分，也可以按照Anchor-Free和Anchor-based进行划分类型。不过，目前更流行的提法是后者。
两阶段目标检测详解--FasterRCNN
AI学长
03-27 5558
RCNN、FastRCNN、FasterRCNN比较： 一、Faster R-CNN的思想 Faster R-CNN可以简单地看做“区域生成网络RPNs + Fast R-CNN”的系统，用区域生成网络RPN代替FastR-CNN中的Selective Search方法。 Faster R-CNN这篇论文着重解决了这个系统中的三个问题： 1. 如何设计区域生成网络； 2. 如何训练区...
目标检测发展路程(一)——Two stage
樱缘之梦
12-28 4576
目标检测是计算机视觉领域中非常重要的一个研究方向，它是将图像或者视频中目标与其他不感兴趣的部分进行区分，判断是否存在目标，确定目标位置，识别目标种类的任务，即定位+分类。传统的目标检测模型有VJ.Det[1,2],HOG.Det[3],DPM[4,5,6]，直到2012年，CNN模型日益成熟化，以深度学习为基础的目标检测模型开始发展，主要分为单阶段模型（One stage）和两阶段模型（Two stage），发展路径如下： 目标检测也面临许多挑战： 环境影响 密集 遮挡 重叠 多尺度：大目标
目标检测two-stage系列发展
qq_38144185的博客
04-15 1272
目标检测two-stage系列发展two-stage目标检测发展1.模型发展2.模型介绍2.1 RCNN2.1.1 流程：2.1.2 创新2.1.3 不足2.2 SPP-Net（Spatial Pyramid Pooling）2.2.1 流程：2.2.2 创新:2.2.4 备注2.3 Fast-RCNN2.3.1 流程：2.3.2 创新:2.3.3 不足2.4 Faster-RCNN2.4.1 流程：2.4.2 创新:2.4.3 不足2.5 R-FCN2.5.1 流程：2.5.2 创新:2.5.3 不足2.
小目标检测高效解决方案汇总，附19篇原论文＆开源代码
学姐带你玩AI的博客
09-18 5658
Feature pyramids(特征金字塔)是检测不同尺度目标的识别系统中的基本组件。但是近年的基于深度学习的目标检测器避免了使用金字塔表示，部分原因是其计算和内存密集。本文利用深度卷积网络固有的多尺度金字塔层次结构，以边缘额外成本构建特征金字塔。作者开发了一个顶端下采样带侧向连接的架构来构建所有尺度的高级语义特征图。该架构称为特征金字塔网络(FPN)，作为通用特征提取器在多个应用中显示显著改进。
目标检测之one-stage模型发展总结
01-07
如今，目标检测越来越多的应用在了多分类检测(multi-categories)、边缘检测(edge detection)、显著性目标检测(salient object detection)、姿态检测(pose detection)、场景文本检测(scene text detection)、人
Object Detection in 20 Years A Survey目标检测综述论文组会汇报
11-16
Object Detection in 20 Years: A Survey综述：目标检测二十年 在过去的二十年中，目标检测技术经历了从traditional detector到DL-based detector的演进。该综述论文对目标检测领域的发展历程进行了全面的回顾，从...
ThunderNet Towards Real-time Generic Object Detection
03-31
In this paper, we investigate the effectiveness of two-stage detectors in real-time generic detection and propose a lightweight two-stage detector named ThunderNet. In the backbone part, we analyze ...
基于两阶段的目标检测综述.pptx
07-21
object detection(目标检测)就是在给定的图片中，找出图片所在的区域，然后判断这个区域是什么类别。目标检测技术在这几年已经发展得相当的成熟，识别精度还有训练速度在一定程度上已经到达了一个瓶颈期。使用深度学习的目标检测主要常用的方法是使用卷积神经网络提取特征，然后再使用分类器进行分类，还有使用回归方法将检测的目标进行定位。本文主要是介绍目标检测中两阶段目标检测经典的检测算法，以及对比他们的差异性优缺点。本文主要介绍的目标检测方法有，R-CNN、SPP-NET、Fast R-CNN还有Faster R-CNN。
faster-rcnn-pytorch-V1.0
07-19
Faster-Rcnn：Two-Stage目标检测模型在Pytorch当中的实现。 详细操作见readme.md 文件下载 训练所需的voc_weights_resnet.pth或者voc_weights_vgg.pth可以在百度云下载。 voc_weights_resnet.pth是resnet为主干特征...
Focal Loss for Dense Object Detection
12-03
on a two-stage approach popularized by R-CNN, where a classifier is applied to a sparse set of candidate object lo- cations. In contrast, one-stage detectors that are applied over a regular, dense ...
Blob detection+高斯二阶导(拉普拉斯模板)+尺度的选择+加快速度(DoG+分层处理)
weixin_37684437的博客
08-19 1964
Blob detection 高斯二阶导 找最大相应 保持面积不变，信号不衰减 高斯二阶导遇到的问题：信号衰减(权重模板) 找到最小值，它的信号就是跟8有关的 二阶拉普拉斯模板 找这个0平面 尺度的选择 R和方差的关系：完全对齐的时候相应才会得到最大值 每个点都要进行判断，最后做最大化抑制 ...
两阶段目标检测指南：R-CNN、FPN、Mask R-CNN
冷冻工厂
06-19 2371
高级算法的许多关键见解都基于共享特征（例如 SPP-Net、Fast R-CNN、Mask R-CNN）并支持对先前固定的管道组件（例如 Fast R-CNN、Faster R）进行梯度训练-CNN, Cascade R-CNN) 来有效地学习更丰富的特征。然而，以前利用 CNN 的层次属性制作具有较小计算量的特征化图像金字塔的工作（图 c）是不完整的。与其他方法相比，R-CNN 的性能优势来自执行自下而上样式选择性搜索的想法，也使用 CNN 来定位对象，以及用于在对象检测数据上微调网络的技术。
二阶段目标检测介绍
u010751974的专栏
10-21 5154
二阶段目标检测算法（RCNN 家族）是目标检测中最经典的算法之一，有 R-CNN -> Fast R-CNN -> Faster R-CNN，每一代的变化以及目的性都明确，也是目标检测领域二阶段检测必会的算法之一。如果想对目标检测有更多了解请查看【CV算法恩仇录】目标检测合集。
【AI面试】目标检测中one-stage、two-stage算法的内容和优缺点对比汇总
钱多多先森
04-30 8770
目标检测算法one stage和two stage的对比
物体检测中的单步模型（one-stage）和两步模型（two-stage）
乐亦亦乐的博客
09-22 2792
物体检测模型大致可以分为单步（one-stage）和两步（two-stage）模型两大类。 单步模型：指没有独立地、显示地提取候选区域（region proposal），直接由输入图像得到其中存在的物体的类别和位置信息的模型。（在计算效率上有优势） 典型的单步模型有：OverFeat、SSD（Single Shot multibox-Detector ）、YOLO（You Only Look Once）等 两步模型：有独立的，显示的候选区域提取过程，即先在输入图像上筛选出一些可能存在物体的..
写一下对two-stage的介绍
05-15
Two-stage是指一种常见的目标检测算法框架，包括两个阶段：Region Proposal和Object Detection。在第一个阶段，算法会生成一些候选区域，即Region Proposal，这些候选区域通常是由快速的选择性搜索（Selective ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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