![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉-目标检测
文章平均质量分 70
Datalhy
这个作者很懒,什么都没留下…
展开
-
Faster RCNN的简单理解
看了B站up主(霹雳吧啦Wz)对于Faster RCNN的讲解视频做了笔记以及自身理解。Faster RCNN是在Fast RCNN基础上做了改进,由于Fast RCNN网络的候选区域和提取特征以及分类回归任务是分开的,所以Faster RCNN就想着,能不能把候选区域和这几个步骤联合在一个网络中,就实现端到端,不需要分步骤呢?原创 2023-04-12 15:40:21 · 41 阅读 · 0 评论 -
Fast RCNN
1、可以看到Fast RCNN卷积不再是对每一个region proposal进行,而是对整张图像,减少了很多的重复计算。2、加入了ROI pooling层对特征尺寸变换,因为全连接的输入要求尺寸大小一样,不能直接将region proposal作为输入。3、将分类和回归放在网络一起训练,用softmax代替了RCNN的SVM。原创 2023-04-11 16:45:06 · 42 阅读 · 0 评论 -
目标检测-RCNN的理解
4、NMS:不是有2000个候选区域嘛,也就是说可能一个物体就会有很多个候选框框住它,那就不行了,会重复,这时候就会用到非极大值抑制来抑制掉很多框,保证一个物体一个框,假如有很多框框住人这个物体,那就选择候选框与真实框具有最大IOU的那个框,然后让其他框来和这个框做IOU,设置一个阈值,比如0.5,如果其他框和这个候选框的IOU大于0.5,那就剔除这个其他框,说明这个其他框和我的最大候选框重复识别了一个物体,然后重复这样做,就剔除了很多重复框。具体可以看看关于NMS的讲解。原创 2023-04-10 11:54:05 · 86 阅读 · 0 评论