目标检测
gukedream
人不能像走兽那样活着,应该追求知识和美德。
展开
-
目标检测 [SSD原理与实现]
前言目标检测近年来已经取得了很重要的进展,主流的算法主要分为两个类型(参考RefineDet):(1)two-stage方法,如R-CNN系算法,其主要思路是先通过启发式方法(selective search)或者CNN网络(RPN)产生一系列稀疏的候选框,然后对这些候选框进行分类与回归,two-stage方法的优势是准确度高;(2)one-stage方法,如Yolo和SSD,其主要思路是均匀...转载 2019-01-20 16:25:06 · 472 阅读 · 0 评论 -
目标检测 [模型的评估指标mAP详解(附代码)]
本文翻译自Measuring Object Detection models - mAP - What is Mean Average Precision?tarangshah.com 对于使用机器学习解决的大多数常见问题,通常有多种可用的模型。每个模型都有自己的独特之处,并随因素变化而表现不同。每个模型在“验证/测试”数据集上来评估性能,性能衡量使用各种统计量如准确度(accu...转载 2019-01-21 19:46:30 · 1179 阅读 · 1 评论 -
特征提取与图像描述符[HOG、LBP、Haar]
(一)HOG特征1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员...原创 2019-02-12 21:13:28 · 1845 阅读 · 0 评论 -
softmax的特征分布会呈放射状的原因
为直观了解softmax loss,在mnist数据集上训练了一个lenet模型作为例子。先将特征维降低到2,并画了10w个训练样本的2维特征在平面上,如图2所示。从图中可以看到,如果使用欧式距离作为度量方式,则f2与f1之间的距离比f2到f3的近很多,达不到好的效果。而同时可以看到,对于这些特征以角度进行划分的效果会比欧式距离和内积要好,所以之前很多都会采用余弦相似度作为度量方法...原创 2019-03-01 09:43:24 · 1632 阅读 · 0 评论 -
非极大值抑制算法(NMS)及python实现
以下图为例,由于滑动窗口,同一个人可能有好几个框(每一个框都带有一个分类器得分)而我们的目标是一个人只保留一个最优的框:于是我们就要用到非极大值抑制,来抑制那些冗余的框: 抑制的过程是一个迭代-遍历-消除的过程。(1)将所有框的得分排序,选中最高分及其对应的框:(2)遍历其余的框,如果和当前最高分框的重叠面积(IOU)大于一定阈值,我们就将框删除。(3)从未处理的框...转载 2019-03-01 10:39:25 · 3523 阅读 · 0 评论