![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测专栏
文章平均质量分 96
Snu77
在职算法工程师,本人所有改进专栏都包含完整代码和详细步骤教程,同时购买专栏的读者可入Qq群享受专栏相关问题答疑服务和完整文件,助力您成功涨点。
展开
-
目标检测算法(三)YOLOv5 SPPF层的前身SPP-NET精细分析和讲解并附源码地址
SPP-Net是一种基于卷积神经网络的图像分类和物体检测方法,其最显著的特点是引入了SPP(Spatial Pyramid Pooling)层,可以对任意大小的输入图像进行处理,从而提高了网络的泛化能力和效率。SPP层是一种池化层,可以对不同尺寸的特征图进行池化操作,得到固定长度的特征向量。SPP层的输入可以是任意大小的特征图,输出是一个固定长度的特征向量,可以用于分类器的输入。原创 2023-06-26 17:06:47 · 3158 阅读 · 1 评论 -
目标检测算法(二)OverFeat精细分析和讲解并附源码地址
本文从多个方向全面系统地介绍了OverFeat这篇论文,包括论文的背景、创新点、实验结果等方面。通过对论文的分析,我们可以发现,OverFeat提出了一种新的物体检测思路,即将物体检测问题转化为对物体的全局特征的提取和分类,从而实现了物体检测和识别的同时进行。同时,OverFeat还提出了一个基于卷积神经网络的端到端的训练框架,以及一些特殊的卷积核设计和正则化策略,从而进一步提高了检测的准确率和召回率。原创 2023-04-17 10:07:39 · 1169 阅读 · 3 评论 -
目标检测算法(一)R-CNN精细分析和讲解可用于制作ppt并附源码地址和翻译版本
R-CNN作为目标检测领的一个重要里程碑,提出了一种基于区域建议的目标检测方法。通过使用深度学习技术,R-CNN在多个数据集上取得了显著的检测结果,具有高度的可靠性和准确性。然而,R-CNN也存在一些不足之处。首先,其检测速度相对较慢,因为它需要进行两个阶段的训练和测试,并且在生成区域建议时需要使用较慢的选择性搜索算法。其次,由于每个目标都需要进行单独的前向传递,因此需要大量的计算资源。此外,由于区域选择的方法不够优秀,可能会出现漏检和误检的问题。原创 2023-04-12 20:38:50 · 835 阅读 · 2 评论