![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
R-CNN
文章平均质量分 86
hu_Mrs
这个作者很懒,什么都没留下…
展开
-
Faster-RCNN
关于对Faster-RCNN的个人理解 背景 在这之前已有加快版的Fast-RCNN,但是由于候选区域仍然是特别的多的(大约有2000个),这就会导致在后续的类别预测以及box修正这个地方计算量特别大,预测速度很慢,并且很难学习这么多个样本。因此,本文的目的还是想要去加速网络的预测速度。 思想 先回顾一下Fast-RCNN的算法流程,首先是将整幅图像作为网络的输入,随后将SS算法得到的2000个候选区域映射到特征图上,得到对应的特征向量,接着再预测这2000个候选区域的类别概率以及box的修正参数。从上述原创 2022-03-30 18:48:13 · 1499 阅读 · 0 评论 -
Fast-RCNN
关于Fast-RCNN的个人理解 背景原创 2022-03-30 15:02:32 · 241 阅读 · 0 评论 -
R-CNN
关于R-CNN的个人理解 背景 此作可说是真正意义上的目标检测的开篇之作,为后续的目标检测的文章提供了强大的理论指导性。 思想 该算法属于多阶段网络,即在训练该模型的时候,并不能以端到端的形式直接优化参数,并且操作起来十分复杂,计算量也很大,但在这之前却并没有很好的目标检测算法。首先作者利用SS搜索算法在图像上选取出大约2000个区域(每个区域的尺寸都是随机的,并不相同),之后将每个区域缩放到相同的尺寸(默认为227 * 227),以便更好的缩入预先训练好的分类模型中(默认为AlexNet)得到每一个区域原创 2022-03-29 21:40:06 · 495 阅读 · 0 评论