目标检测到实例分割 R-CNN 、Fast-CNN、Mask R-CNN

本文介绍了目标检测技术的发展,从R-CNN到Fast R-CNN的改进,再到Mask R-CNN的创新,重点讨论了Mask R-CNN如何在Fast R-CNN基础上实现像素级别的实例分割,并引入RoIAlign来保留空间位置信息。参考了多篇相关文章,深入解析了这些算法的工作原理和效果。
摘要由CSDN通过智能技术生成

在这里插入图片描述
在这里插入图片描述

  • R-CNN

image

  • Fast R-CNN

和R-CNN不同的是一个图片只执行一次神经网络,在卷积后的特征图上,选取识别框提取roi特征进行分类
image

image

  • Mask R-CNN

在Fast R-CNN的基础上新增了像素级别的提取功能 ,和 Fast RCNN 区别在于,mask RCNN 用RoIAlign的方法来取代ROI pooling,保留大致的空间位置信息

在这里插入图片描述

检测效果如下图

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
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