- 博客(22)
- 资源 (11)
- 收藏
- 关注
RSS订阅转载 SSD细节—— default box与prior box
二者都是指feature map cell上固定数量的box，并不是有些文章说的prior是从default挑选出来的。论文里写的default box，代码里用了prior box。论文中说边框回归类似faster rcnn，那代码里prior的4个variance又是什么? 解释如下：SSD的检测值也与Yolo不太一样。对于每个单元的每个先验框，其都输出一套独立的检测值，对应一个边界框...
2019-05-29 22:10:54
1517
原创 RCNN系列的box regression及其他
RCNN, Fast RCNN, Faster RCNN，针对每一分类做proposal regression，都是与类别相关的。Faster RCNN的bbox，第一次粗回归，只有前景、背景2类，第二次位置精修就有n类（n可以是20，80等）类别更多、回归也更精细。RCNN算法步骤- 一张图像生成1K~2K个候选区域- 对每个候选区域，使用深度网络提取特征- 特征送...
2019-05-25 20:16:13
566
原创 RCNN, Fast-RCNN, Faster-RCNN联系与区别
RCNNRCNN使用以下四步实现目标检测：a. 在图像中确定约1000-2000个候选框b. 对于每个候选框内图像块，使用深度网络提取特征c. 对候选框中提取出的特征，使用分类器判别是否属于一个特定类d. 对于属于某一特征的候选框，用回归器进一步调整其位置Fast-RCNN1. 使用selective search算法为每一张待检测的图片提取出2000左右的候选框...
2019-05-24 17:10:34
381
原创 Faster RCNN anchor大小及数量计算
anchors 值的含义为在 feature maps 上进行滑窗操作(sliding window). 滑窗尺寸为 n×n, 如 3×3.对于每个滑窗, 会生成 9 个 anchors, anchors 具有相同的中心 center=xa,center=ya, 但 anchors 具有 3 种不同的长宽比(aspect ratios) 和 3 种不同的尺度(scales)。 最终，9个a...
2019-05-24 15:17:14
5981
转载 YOLO2
本文是对YOLO9000: Better, Faster, Stronger（项目主页） 的翻译。加了个人理解和配图。内容参考了YOLOv2 论文笔记 - Jesse_Mx。水平有限，错误之处欢迎指正。1. 概述YOLO2主要有两个大方面的改进：使用一系列的方法对YOLO进行了改进，在保持原有速度的同时提升精度得到YOLOv2。 提出了一种目标分类与检测的联合训练...
2019-05-23 17:34:17
259
转载 召回率与准确率
准确性(Accuracy): 对所有样本分类正确的比率，与错误率之和为1.查准率/精确率(Precision): 挑出来的好西瓜,有多少是真好.查全率/召回率(Recall) : 真正的好西瓜有多少被挑出来.二者的矛盾："准"，好的肯定比坏的比例高，只预测一个，100%比例几率最大了，这时就不“全”了，还有很多好的都当成坏的扔掉。 "全"，全部预测成...
2019-05-23 16:23:47
923
转载 图解YOLO
转自https://zhuanlan.zhihu.com/p/24916786YOLO核心思想：从R-CNN到Fast R-CNN一直采用的思路是proposal+分类 （proposal 提供位置信息， 分类提供类别信息）精度已经很高，但是速度还不行。 YOLO提供了另一种更为直接的思路： 直接在输出层回归bounding box的位置和bounding box所属的类别(整张图作为网络的输...
2019-05-23 15:41:31
90
转载 目标检测——SSD
背景介绍：基于“Proposal + Classification” 的 Object Detection 的方法，R-CNN 系列（R-CNN、SPPnet、Fast R-CNN 以及 Faster R-CNN），取得了非常好的结果，但是在速度方面离实时效果还比较远在提高 mAP 的同时兼顾速度，逐渐成为 Object Detection 未来的趋势。 YOLO 虽然能够达到实时的效果，但是...
2019-05-23 15:22:43
227
转载 图像中的卷积为何能够提取特征
1、全连接神经网络到卷积神经网络（CNN） 对于全连接神经网络而言，分析数字图像一来参数较多，二来没有很好地考虑到像素与像素之间的位置关系，并且由于梯度传递的限制导致网络的层数难以增加。因而人们更多的是采用卷积神经网络（CNN）来对图像进行分析与处理。 CNN采用不断卷积池化的结构来搭建网络，其中卷积代替了全连接层的特征提取的作用，利用卷积能够利用局部信息的特性...
2019-05-23 14:10:47
8484
转载 covariate shift现象的解释
概述：训练机器学习系统时，一个一般的假设是它每次的输入的分布是稳定的。如果不满足这个假设，就是covariate shift，这个通常通过domian adaption解决。在训练一个复杂的机器学习系统时，同样要求这个sub-network对应的输入（activation）分布（distribution）是稳定的，如果不满足这个假设，就是本文提出的internal covariate shift（...
2019-05-23 13:44:45
773
转载 感受野——原始图片中的ROI如何映射到到feature map
https://zhuanlan.zhihu.com/p/24780433在SPP-net中的难点一曾提到：ROI如何对应到feature map?这个地方遇到不少坑，看了很多资料都没有太明白，感觉太绕。先数数遇到的坑：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》...
2019-05-22 19:11:50
397
转载 Faster R-CNN
Fast-RCNN基本实现端对端（除了proposal阶段外），下一步自然就是要把proposal阶段也用CNN实现（放到GPU上）。这就出现了Faster-RCNN，一个完全end-to-end的CNN对象检测模型。论文提出：网络中的各个卷积层特征（feature map）也可以用来预测类别相关的region proposal（不需要事先执行诸如selective se...
2019-05-22 17:42:43
87
转载 Faster RCNN具体参数
https://blog.csdn.net/whz1861/article/details/78768398State-of-the-art object detection networks depend on region proposal algorithms to hypothesize object locations. Advances like SPPnet and Fa...
2019-05-22 17:14:17
11905
转载 Faster RCNN解析
一、基于Region Proposal（候选区域）的深度学习目标检测算法Region Proposal（候选区域），就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率（IoU，Intersection-over-Union）。图1 IoU定义Region Proposal方法比传统的滑动窗口方...
2019-05-22 16:46:08
155
转载 1X1卷积核作用
http://www.caffecn.cn/?/question/136Question:从NIN 到Googlenet mrsa net 都是用了这个，为什么呢？发现很多网络使用了1X1卷积核，这能起到什么作用呢？另外我一直觉得，1X1卷积核就是对输入的一个比例缩放，因为1X1卷积核只有一个参数，这个核在输入上滑动，就相当于给输入数据乘以一个系数。不知道我理解的是否正确。Answ...
2019-05-22 15:57:44
200
转载 yolo回归型的物体检测
YOLO全称You Only Look Once: Unified, Real-Time Object Detection，是在CVPR2016提出的一种目标检测算法，核心思想是将目标检测转化为回归问题求解，并基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。YOLO与Faster RCNN有以下区别：Faster RCNN将目标检测分解...
2019-05-22 15:51:18
410
转载 Bounding box regression详解
http://caffecn.cn/?/question/160Question:我只知道，输入检测到的box，回归的是检测到box中心点，以及box长和宽到标记的box的映射。看过rcnn的回归的过程，就是把那个loss函数最小。但这个红框里面的loss函数 谁能解释下/*************************************************...
2019-05-22 10:24:26
450
转载 ubuntu登录黑屏，有鼠标
https://askubuntu.com/questions/1041054/login-to-black-screen-in-18-04ogin to black screen in 18.04I recently upgraded to 18.04. Currently, I get to the login screen just fine. If I attempt to ...
2019-05-02 11:29:26
3068
转载 conda常用命令:更新，创建，激活，关闭，查看，卸载，删除，清理，问题
转自https://cloud.tencent.com/developer/article/1351778升级conda update condaconda update anacondaconda update anaconda-navigator //update最新版本的anaconda-navigator 卸载计算机控制面板->程序与应用->卸...
2019-05-02 10:18:40
4069
转载 【转】OpenCV实现人脸检测
原文链接：http://www.cnblogs.com/mengdd/archive/2012/08/01/2619043.html 本文介绍最基本的用OpenCV实现人脸检测的方法。 一.人脸检测算法原理Viola-Jones人脸检测方法参考文献：Paul Viola, Michael J. Jones. Robust Real-Time Face Detec
2012-12-13 10:32:01
745
原创 vs2010+opencv2.4.2
视图->属性管理器->Debug Microsoft.Cpp.Win32.user & Release Microsoft.Cpp.Win32.user-->VC++目录（包含目录--添加Include，库目录--添加lib）& 链接器->输入/Input->附件依赖项（输入opencv_core242d.lib等库文件）Debug：opencv_core242d.lib;opencv
2012-11-20 14:08:56
659
转载 VC远程连接MYSQL失败原因收集：mysql_real_connect()
<br />VC远程连接MYSQL失败原因收集：mysql_real_connect() 收藏 <br />以下转自： http://blog.chinaunix.net/u1/43706/showart_351145.html<br />mysql_real_connect() 试图建立到运行host 的一个MySQL 数据库引擎的一个连接。其函数原形为： <br /> MYSQL *mysql_real_connect(MYSQL *mysql, const char *host, const ch
2010-12-05 21:29:00
1400
1
数据结构讲义（严蔚敏版）.pdf
2010-10-26
80x86汇编语言程序设计教程.pdf ，杨季文
2010-10-26
PerlCGI轻松进阶
2010-06-09
MMC-System-Spec-v3.31.pdf
2010-05-10
Code Reading: The Open Source Perspective （英文版，Diomidis Spinellis 著）
2010-03-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人