![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 86
Star_ACE
一个缺乏创造力的程序猿
展开
-
Fast RCNN算法详解
本文转自:AI之路这篇博文来介绍Fast RCNN,是RCNN算法的升级版。RCNN系列算法看完后才写的这篇博客,相信初学者会比较容易这篇算法。解决的问题:之所以提出Fast R-CNN,主要是因为R-CNN存在以下几个问题:1、训练分多步。通过上一篇博文我们知道R-CNN的训练先要fine tuning一个预训练的网络,然后针对每个类别都训练一个SVM分类器,最后还要用regressors...转载 2018-11-19 23:36:37 · 4085 阅读 · 1 评论 -
R-CNN算法详解
转载于:AI之路这是一篇比较早的Object Detection算法,发表在2014年的CVPR,也是R-CNN系列算法的开山之作。论文:Rich feature hierarchies for accurate object detection and semantic segmentation一、解决的问题本文主要讲R-CNN(Regions with CNN features)这个算...转载 2018-11-17 21:00:15 · 1405 阅读 · 1 评论 -
Faster RCNN
一、背景Faster R-CNN是受Fast R-CNN的启发,而Fast R-CNN是受R-CNN启发。R-CNN是采用 Selective Search 算法来提取(propose)可能的 RoIs(regions of interest) 区域,然后对每个提取区域采用标准 CNN 进行分类。Fast R-CNN 是 R-CNN 的改进,其采用兴趣区域池化(Region of Inter...原创 2018-11-25 01:09:13 · 422 阅读 · 0 评论 -
Detecting Text in Natural Image with Connectionist Text Proposal Network(CTPN)
文本检测其中一个难点在于文本行的长度变化是非常剧烈的。因此如果是采用基于faster rcnn等通用物体检测框架的算法都会面临怎么生成好的text proposal的问题。论文Detecting Text in Natural Image with Connectionist Text Proposal Network提供了另外一个思路,检测一个一个小的,固定宽度的文本段,然后在后处理部分再将这些...转载 2019-01-26 22:34:38 · 1020 阅读 · 0 评论 -
EAST: An Efficient and Accurate Scene Text Detector
这篇论文发表于2017年的CVPR,文章提出了一个高效精确的场景文字检测器。可以快速精确的产生文字追踪。该方法使用单个神经网络直接从整幅图片中预测任意方向的四边形文本行,消去了不必要的中间步骤(候选区域聚合和单词的分割)。该方法注重设计损失函数和神经网络体系结构。实验在包括ICDAR2015,COCO-Text和MSRA-TD500等经典数据集上,验证了提出的算法不管是在精度还是效率上都有着特别好...原创 2019-01-27 22:07:26 · 374 阅读 · 0 评论 -
pytorch的inference
这里inference两个程序的连接,如目标检测,可以利用一个程序提取候选框,然后把候选框输入到分类cnn网络中。这里常需要进行一定的连接。#加载训练好的分类CNN网络model=torch.load('model.pkl')#假设proposal_img是我们提取的候选框,是需要输入到CNN网络的数据#先定义transforms对输入cnn的网络数据进行处理,常包括resize、to...原创 2019-02-20 23:58:16 · 5168 阅读 · 0 评论