基于回归的网络

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