基于回归的网络
YPLO网络模型框架流程
(1)将输入图像缩放成固定大小(如488488),并对其分割成SS个网络
(2)原始图像经过CNN网络,知道卷积神经网络的第一层全连接层(FC1)
(3)原图中每个网络负责预测B个Bounding-box,每个Bounding-box有4个位置信息和1个物体分类的概率。另外每个网络还负责预测C个分类,最终得到SS(B*5+C)大小的特征矩阵,并对特征矩阵进行Softmax分类(Detection层)
(4)根据阈值去除物体分类概率较低的窗口,最后使用NMS算法去除冗余窗口,得到目标窗口
SSD网络框架流程
(1)把图像缩放成固定大小(如300*300)作为卷积神经网络的输入
(2)在卷积神经网络最后的卷积层继续添加多次卷积层,并保存卷积后得到的特征图
(3)经过不同卷积层后得到的特征图上取得多个Prior box,用于进行物体分类和边框回归(Detection层)
使用NMS非极大值抑制算法选出最终候选框