ＳＳＤ论文学习总结一

最新推荐文章于 2024-08-07 21:24:34 发布
最新推荐文章于 2024-08-07 21:24:34 发布
阅读量336 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/longxitian/article/details/78468158
版权
update 2017.11.7
把ＳＳＤ论文重新看了一遍，这次比较多的东西能够理解了
虽然还是比较肤浅的级别
分析几个觉得比较有用的知识点
ＳＳＤ在训练的时候采用了数据增强，将每张训练图片进行了缩放
Ｓａｍｐｌｅ_Ｐａｔｃｈ 可以将训练集中比较小的物体进行放大
ｅｘｐａｎｓｉｏｎ　可以将图片中比较大的物体缩小。
数据增强对于ＳＳＤ训练比较重要
因为ＳＳＤ这种算法对与检测目标的大小还蛮敏感的。
因为ＣＯＶ４－３这一层的ｄｅｆａｕｌｔ box 对于小物体的检测还是不够精准？？
ｃｏｖ４－３ 这一特征层是３８＊３８，对于３００＊３００的图片来说，小物体的信息剩下不多了
longxitian
关注
SSD学习小结
sinat_33454180的博客
08-12 1415
首先记录一下什么是卷积神经网络CNN 卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。 一张图片里的图像可以表示为像素值的矩阵。 利用卷积从图像矩阵中提取特征，从而得到特征图（Feature map）。 特征图的不同由以下三个卷积核/滤波器/特征检测器参数控制： 1. 深度（Depth） 卷积操作所需的特征检测器个数 2. 步长（S...
论文学习
qq_35780315的博客
01-05 813
论文笔记Spectral Clustering in Heterogeneous Information Networks基础知识Heterogeneous Information Networks 异质信息网络Spectral Clustering 谱聚类作者信息论文阅读笔记研究目的贡献方法感想 Spectral Clustering in Heterogeneous Information N...
SSD 论文与项目总结
s000da的博客
09-12 371
一、SSD论文 总体描述 SSD全程为single-shot multibox detection，其中一个要点single shot的意思是将分类和回归的loss在同一个过程中计算；另一个要点multibox，即算法中预先设定好一些列不同scale、不同aspect ratio的default box，这些box的一部分框作为最终输出框。SSD的检测结果，在性能和速度上的综合性能比同时...
SSD 论文总结
最新发布
2301_80740635的博客
08-07 803
这篇文章中作者在网络的六个不同的层次提取了特征，最后将这些特征结合，让网络有了多尺度检测的能力，而且这个网络的速度相比于当时先进的two-stage网络（如：Faster R-CNN）有更快的速度和更高的准确率。SSD不同于目前比较主流的sliding windows和region proposal，它主要依靠不同尺度上的default boxes进行检测，避免了像sliding windows那样低效的方式，使得检测的速度更快。还结合了不同尺度的特征，使他有着更高的精确度。
SSD: Single Shot MultiBox Detector学习总结
gentelyang的博客
11-21 500
发表会议：2016 ECCV 作者：Wei Liu 论文：https://arxiv.org/abs/1512.02325 代码：https://github.com/weiliu89/caffe/tree/ssd 一：模型结构 SSD由VGG-16扩展并添加四个卷积层而成。                                                      ...
SSD论文学习
weixin_30905133的博客
07-05 188
SSD: Single Shot MultiBox Detector——目标检测 参考https://blog.csdn.net/u010167269/article/details/52563573 目标检测算法可分为两种类型：one-stage和two-stage,两者的区别在于前者是直接基于网络提取到的特征和预定义的框(anchor)进行目标预测；后者是...
ssd总结
weixin_43310928的博客
11-14 233
这两天研究了一下SSD的论文思路，在此做下总结： 首先，SSD是一种one-stage的目标检测算法，解决了yolo在多尺度物体检测以及每个grid只能检测一个物体的弊端，并且具有one-stage类型算法的优势，一步到位检测出位置与类别，速度方面比faster-rcnn要快很多，物体定位相关思路也与faster-rcnn的锚的思想类似。 一、网络结构 ssd的采用VGG16作为基础的网络结构（前...
SSD 论文详解
dexterod的博客
03-12 8209
SSD: Single Shot MultiBox Detector （ECCV 2016） 声明：笔者翻译论文仅为学习研究，如有侵权请联系作者删除博文，谢谢！ 源论文地址：https://arxiv.org/abs/1512.02325 源论文代码：https://github.com/weiliu89/caffe/tree/ssd 笔者践行代码：【tensorflow版本正在整理中~】 注：文...
卷积神经网络——SSD论文翻译
itlilyer的博客
03-22 764
论文链接：https://arxiv.org/abs/1512.02325 SSD：Single Shot MultiBox Detector 0.摘要 我们提出了一种只用一个卷积神经网络就可以实现检测图片中目标的方法。我们称该方法为SSD，将边界框(bounding box: 这里具体的概念等读到下面再解释一下)的输出空间离散化为一组默认框，这些默认框覆盖了特征图中每一个位置的不同长宽比和尺度。在预测时，该网络会为每个默认框(default box)中出现的每一个对象分类进行打分，并对框进行调整来更好的匹
SSD论文总结
qq_24935875的博客
09-20 210
SSD论文总结 本文系作者原创，欢迎转载，请注明转载地址 @(论文总结) 整个论文的内容如下图所示： 1 论文的主要思路： 目标检测的目的在于预测出物体的框和框内物体的分类，SSD是如何做到这些的呢？首先是如何生成默认边界框，与faster rcnn不同，faster rcnn利用rpn来生成默认边界框，然后利用roi pooling来对默认边界框进行重采样。ssd是利用anchor，我们在...
SSD论文翻译（SSD: Single Shot MultiBox Detector）
03-06
本资源是本人翻译的Single Shot MultiBox Detector的一文，出自于2016年，主要内容是完成行人重识别的网络构建，不仅提高了识别准确率，并且提高了是别的速度。其中，作者的一些设计思路很有启发。
SSD目标检测算法论文-英文原版
03-27
1. SSD算法概述：SSD是一种利用单一深度神经网络来进行图像中目标检测的方法。它通过在不同特征图位置上离散化边界框的输出空间来生成一组默认的边界框，这些边界框具有不同的宽高比和尺度。在预测时，网络为每个...
12.SSD 论文总结
gylph的博客
02-27 203
SSD : YOLO 的改进，性能基本和 Faster RCNN 持平 主要思路就是Faster R-CNN + YOLO，利用YOLO的思路 和 Faster R-CNN的anchor box的思想。 关键：use of multi-scale convolutional bounding box outputs attached to multiple feature maps at th...
SSD: Single Shot MultiBox Detector论文学习笔记
yinhuan1649的博客
03-11 260
这篇好久之前就该写了，磨磨唧唧拖了好久。 开工。 SSD，全称Single Shot MultiBox Detector 这篇是ECCV2016的oral arxiv: https://arxiv.org/abs/1512.02325 github代码已开源：https://github.com/weiliu89/caffe/tree/ssd...
SSD总结一
nathan1025的博客
02-12 384
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：（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，其主要思路是均匀地在图片的不同位置进行密集抽样，抽...
SSD学习总结
aift的专栏
08-07 853
文章目录简介创新点采用多尺度特征图用于检测采用卷积进行检测设置先验框网络结构训练过程先验框匹配策略损失函数各种Trick分析References 简介 这篇文章提出了一个新的目标检测模型SSD，这是一种 single stage 的检测模型，相比于R-CNN系列模型上要简单许多。其精度可以与Faster R-CNN相匹敌，而速度达到了惊人的59FPS，速度上完爆 Fster R-CNN。 基于”P...
SSD：深度学习中的实时目标检测技术
总结来说，SSD模型是深度学习在目标检测领域的重大突破，它简化了检测流程，提高了检测速度，同时也保持了高精度，对于实时应用和嵌入式系统具有重要意义。模型分析揭示了SSD在行人重识别等任务中的潜在优势，进一步...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值