![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 64
枫之鸣城
这个作者很懒,什么都没留下…
展开
-
目标检测汇总
一、传统的目标检测一般使用滑动窗口的框架,主要包括三个步骤:利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域;提取候选区域相关的视觉特征。比如人脸检测常用的Harr特征;行人检测和普通目标检测常用的HOG特征等;利用分类器进行识别,比如常用的SVM模型。基于深度学习的目标检测分为两派:基于区域提名的,如R-CNN、SPP-net、Fast R-CNN、Fas转载 2017-07-22 16:32:02 · 2837 阅读 · 0 评论 -
caffe 理清项目训练、测试流程
理清项目训练、测试流程一、要领介绍 在caffe编译完后,在caffe目录下会生成一个build目录,在build目录下有个tools,这个里面有个可执行文件caffe。只需要学会调用这个可执行文件就可以了,这便是最简单的caffe学习,不需要对caffe底层的东西懂太多,只需要会调参数,就可以构建自己的网络,然后调用这个可执行文件就可以进行训练,当然如果你不仅仅是调参数,而且想要更转载 2017-07-22 16:45:30 · 321 阅读 · 0 评论 -
RPN结构解析 ( faster-rcnn )
参考 http://blog.csdn.net/sloanqin/article/details/51545125我想很多人在看faster-rcnn的时候,都会被RPN的网络结构和连接方式纠结,作者在文中说的不是很清晰,这里给出解析;【首先】:大家应该要了解卷积神经网络的连接方式,卷积核的维度,反向传播时是如何灵活的插入一层;这里我推荐一份资料,真是写的非常清晰,转载 2017-12-26 10:25:11 · 868 阅读 · 0 评论 -
triplet loss (原理 + 实现)
一、triplet loss 原理triplet:一个三元组,这个三元组是这样构成的:从训练数据集中随机选一个样本,该样本称为Anchor,然后再随机选取一个和Anchor (记为x_a)属于同一类的样本和不同类的样本,这两个样本对应的称为Positive (记为x_p)和Negative (记为x_n),由此构成一个三元组。triplet loss:针对三元组中的每个元素原创 2017-12-18 15:38:18 · 13151 阅读 · 0 评论 -
Mask RCNN (paper translate)
Mask R-CNNKaiming He Georgia Gkioxari Piotr Dolla ́r Facebook AI Research (FAIR) Ross Girshick摘要我们提出了一个概念上简单,灵活和通用的目标分割框架。我们的方法有效地检测图像中的目标,同时为每个实例生成高质量的分割掩码。称为Mask R-CNN的方法通过添加一个与现有目标检测框回归并行的,用...翻译 2018-10-12 11:50:03 · 322 阅读 · 0 评论