深度学习之目标检测
大海里捡宝贝
本人从事智能驾驶算法开发,擅长深度学习/传感器标定/多传感器融合/视觉感知等技术领域。
展开
-
SSD: Single Shot MultiBox Detector
SSD: SingleShot MultiBox DetectorWei Liu1 , DragomirAnguelov2 ,DumitruErhan3 ,Christian Szegedy3,Scott Reed4 ,Cheng-Yang Fu1 ,Alexander C. Berg摘要:我们提出了一种使用单个深层神经网络检测图像中目标(或对象)的方法。我们的方法,名为SSD,将边界框的输出空间...翻译 2018-03-26 20:37:50 · 250 阅读 · 0 评论 -
SSD--辅助理解
背景介绍: 基于“Proposal + Classification” 的 Object Detection 的方法,R-CNN 系列(R-CNN、SPPnet、Fast R-CNN 以及 Faster R-CNN),取得了非常好的结果,但是在速度方面离实时效果还比较远在提高 mAP 的同时兼顾速度,逐渐成为 Object Detection 未来的趋势。 YOLO 虽然能够达到实时的效果,...转载 2018-03-26 20:53:43 · 349 阅读 · 0 评论 -
深度学习之目标检测之RCNN
深度学习之目标检测之RCNN ------2014.101.1 R-CNN物体识别 三个核心模块:1.类别独立region proposal;2.从各个region中提取固定长度特征向量的CNN;3.特定分类linear SVM 1.1.1 region proposal方法包括objectness, selective search, category-inde...翻译 2018-04-15 13:18:56 · 441 阅读 · 1 评论 -
深度学习之目标检测之Fast RCNN
深度学习之目标检测之Fast RCNN------2015.9与R-CNN相比,fast R-CNN的优势在于:1.使用multi-task loss,训练是一步到位的;2.训练会更新所有的网络层(R-CNN只更新卷积层);3.不需要储存中间卷积层产生的feature。1.1 Fast R-CNN的结构网络首先用卷积层对全图进行处理提取特征生成convfeature map,然后对每个obj...翻译 2018-04-15 13:29:15 · 720 阅读 · 0 评论 -
深度学习之目标检测之Faster R-CNN
深度学习之目标检测之Faster R-CNN-----2016.1 几种objectproposal的方法:基于groupingsuper-pixels,如SS,CPMC, MCG; 基于slidingwindows,比如objectnessin windows和EdgeBoxes。最近的MultiBox方法使用网络来生成regionproposal,但是所用的feature并不与检测网络的通用...翻译 2018-04-15 14:31:11 · 1641 阅读 · 0 评论 -
关于CornerNet-Lite在BDD上验证的效果分析
最近一段时间主要集中在目标检测方面的工作,由于项目对实时性和AP的要求,对算法的要求比较高,anchor based 的方法基本达到了速度与精度的trade off的瓶颈,继而anchor free 的方法死灰复燃。 CornerNet-Lite:Squeeze 方法自然出现在了候选的名单中,通过在bdd上的验证,发现其存在的明显问题如下图: 问题一:明显的...原创 2019-08-19 10:12:30 · 582 阅读 · 1 评论