2016年04月_cv_family_z

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创目标检测“Exploit All the Layers: Fast and Accurate CNN Object Detector with Scale Dependent Pooling and”

在Fast-RCNN的基础上，设计了两种改进方法，一是尺度相关的池化SDP用于提升小尺寸物体检测，二是逐层级联拒绝分类器CRC用于提速。尺度相关池化方法是基于Fast-RCNN的，SDP根据每个proposal的尺寸，从对应的卷积层池化特征。与SDP连接的fc层有与尺寸相关的参数，结构如下图所示: SDP模型的三个分支是conv3,conv4,conv5,每个分支包含2个后续的fc层，ReLU

2016-04-28 11:41:24 2996

原创目标检测“A MultiPath Network for Object Detection”

对Fast-RCNN方法做了三个小的修改：（1）检测器能够访问多层特征，（2）foveal结构多尺度提取目标上下文信息，（3）在多个IOU下优化损失函数。网络的结构如下图所示； Foveal结构在目标识别时，上下文信息很重要，为了增加上下文信息，作者增加了4个裁切，即分别对proposal的视图放大1，1.5，2，4倍，每种情况使用ROI-池化生成特组图，接下来的流程共享相同的结构，之后将4个

2016-04-15 10:33:40 2764 3

原创 HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection

提出了一种Proposal提取和目标检测一体的网络，Faster-rcnn中的proposal提取网络RPN由于特征图的粗糙，在小目标及大IOU阈值情况下的检测率低。论文提出了HyperNet，综合低层，中间层和高层特征获得了较高的recall率。HyperNet的示意图如下所示: HyperNet网络结构先将全图送入卷积层生成激活图，累积多层特征图压缩至归一化空间，即Hyper特征，之后pr

2016-04-12 16:58:19 3748

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 目标检测“Exploit All the Layers: Fast and Accurate CNN Object Detector with Scale Dependent Pooling and”

原创 目标检测“A MultiPath Network for Object Detection”

原创 HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection

空空如也

空空如也

原创目标检测“Exploit All the Layers: Fast and Accurate CNN Object Detector with Scale Dependent Pooling and”

原创目标检测“A MultiPath Network for Object Detection”