物体检测
文章平均质量分 82
One_T.
IT小白
展开
-
Fast R-CNN
Fast R-CNN Abstract Fast R-CNN 最主要解决的问题是如何快速地对提取的候选区进行分类 Introduction object detection 模型需要给出物体的精确定位,所以其模型的复杂度主要有两个原因导致: 需要检测出很多的物体可能存在的候选区域 对检测出的候选区域进行调整才能得到较为准确的定位 处理这两个问题通常就会牺牲速度,模型的简洁性 本文终于不用 SVM 进行分类了,不用单独训练 SVM,本文将所有的组件都融合在一个训练流水线中了,可以同时训练所有模块。 在 R原创 2022-05-20 16:06:29 · 385 阅读 · 0 评论 -
R-CNN
R-CNN R-CNN 的整个架构由四个模块组成:Selective Search,CNN,SVM,BoundingBox Regression 1. Selective Search 该模块用于对原始图像 “建议出” 大约 2000 个可能为物体的候选框,具体怎么生成的可以不用关心,只需要知道其输出结果就是一个个候选框,这些候选框尺度不一。该模块的时间复杂度为 O(1)。 2. CNN 将SS模块输出的 2000个候选框 resize 成固定大小的正方形,可能会产生形变和边界填充,对每一个正方形图片原创 2022-05-18 22:39:16 · 330 阅读 · 0 评论