深度学习目标检测

Two-stage基本介绍

CNN卷积特征
RGe 2014年提出faster-RCNN网络
准确度高,速度相对于one-stage慢
与传统目标检测相比不用训练分类器

Two-stage 常用算法

RCNN
Fast-RCNN
Faster-RCNN
Faster-RCNN变种

Two-stage核心组件

CNN网络

从简到繁再到简
多尺度特征融合
更加轻量级

RPN网络

区域推荐
ROI pooling
分类和回归

One-stage基本介绍

CNN卷积特征
直接回归武特的位置与类别
准确度低,但是速度快

One-stage基本流程

在这里插入图片描述

One-stage常用算法

YOLO V1/V2/V3
SSD /DSSD

One-stage核心组件

CNN网络

从简到繁再到简
多尺度特征融合
更加轻量级

回归网络

区域回归(可信度,位置,类别)
Anchor机制(SSD)

YOLO回归网络预测过程

One-stage与Two-stage对比

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

你的笑很夕阳

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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