![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 95
皮皮虾-
这个作者很懒,什么都没留下…
展开
-
基于候选区域的目标检测器总结(RCNN,FastRCNN,FasterRCNN)
这段时间了解了一下深度学习中的目标检测常用的模型,为以后学习打一打基础,其中基于候选区域的目标检测经典模型必属RCNN,FastRCNN,FasterRCNN,网上有很多大牛的博客讲的都很详细,大家可以去查找,我就从者三个模型的训练和测试过程方面简单的总结一下。小白一枚,不足之处多多指正RCNNRCNN是一个多阶段训练模型,包括生成候选区域,CNN微调,SVM训练和边界框回归等多个步骤。 ...原创 2018-07-14 17:02:41 · 10242 阅读 · 1 评论 -
YOLO v1算法详解
YOLO是一个EndToEnd目标检测的算法,相比于基于候选区域的目标检测算法(eg:RCNN,Fast RCNN等)速度更快,并且结构简单。原论文地址:You only look once unified real-time object detection简介与先找到候选区域,然后对候选区域进行分类的多阶段目标检测算法不同,YOLO将目标识别看成一个回归问题,单个神经网络完...原创 2018-09-07 23:15:28 · 836 阅读 · 0 评论 -
SSD:(Single Shot MultiBox Detector)
这两天把SSD论文读了一下,SSD也是一个端到端的目标检测模型,SSD在检测的准确率和速度上相对于YOLO有了很大的提高,并且在检测小目标上也有不俗的效果。特点1. 使用多尺度特征图进行预测    大多数目标检测算法都是使用最后一层特征图进行目标位置和类别的确定,但是这样有个缺点就是高层次的特征图对小物体的特征信息丢失严重,导致对小目标检测效果不好,这...原创 2018-10-15 00:05:40 · 1034 阅读 · 0 评论 -
YOLOv2 论文笔记
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Jesse_Mx/article/details/53925356 论文地址:YOLO9000: Better, Faster, Stronger 项目主页:YOL...转载 2018-10-19 23:24:28 · 359 阅读 · 0 评论 -
转载 Stacked Hourglass算法详解
原文链接:https://blog.csdn.net/shenxiaolu1984/article/details/51428392概述本文使用全卷积网络解决人体姿态分析问题,截至2016年5月,在MPII姿态分析竞赛中暂列榜首,PCKh(误差小于一半头高的样本比例)达到89.4%。与排名第二的CPM(Convolutiona Pose Machine)1方法相比,思路更明晰,网络更简洁。 ...转载 2019-04-22 14:47:02 · 371 阅读 · 0 评论