目标检测
目标检测基础知识记录
G5Lorenzo
这个作者很懒,什么都没留下…
展开
-
目标检测算法基础——07One-stage与Two-stage优缺点对比
One-stage与Two-stage优缺点对比One-stage优点:速度快避免背景错误,产生false positives学到物体的泛化特征缺点:精度低(定位、检出率)小物体的检测效果不好Two-stage优点:精度高(定位、检出率)Anchor机制共享计算量缺点:速度慢训练时间长误报高...原创 2019-10-18 10:29:01 · 3287 阅读 · 0 评论 -
目标检测算法基础——06One-stage的核心组件
One-stage的核心组件一、One-stage的两个核心组件CNN网络回归网络二、CNN网络设计原则从简到繁再到简的卷积神经网络多尺度特征融合的网络更轻量级的CNN网络三、回归网络区域回归(置信度、位置、类别)Anchor机制(SSD)回归网络中完成的任务:区域回归:通过回归网络直接输出最终目标的bounding box的位置信息目标类别的判定四、...原创 2019-10-18 10:19:08 · 268 阅读 · 0 评论 -
目标检测算法基础——05基于One-stage的目标检测算法
基于One-stage的目标检测算法一、One-stage基本介绍使用CNN卷积特征直接回归物体的类别概率和位置坐标值(无region proposal)准确度低、速度相对two-stage快二、One-stage基本流程One-stage和Two-stage的区别就在于是否包含了候选区域推荐的过程One-stage常见算法YOLOV1/V2/V3SSD/DSSD等Re...原创 2019-10-18 09:37:29 · 435 阅读 · 0 评论 -
目标检测算法基础——04Two-stage核心组件
Two-stage核心组件一、Two-stage的两个核心组件CNN网络(主干网络)RPN网络二、CNN网络设计原则从简到繁再到简的卷积神经网络多尺度特征融合的网络更轻量级的CNN网络RPN网络区域推荐(Anchor机制)ROI Pooling分类和回归...原创 2019-10-17 22:18:13 · 270 阅读 · 0 评论 -
目标检测算法基础——03基于Two-stage的目标检测算法
Two-stage基本介绍,流程与常见算法一、Two-stage基本介绍CNN卷积特征R. Girshick et al., 2014提出R-CNN到faster RCNN端到端的目标检测(RPN网络)准确度高、速度相对one-stage慢Two-stage的目标检测算法主要是通过一个完整的卷积神经网络来完成目标检测的过程,进行目标检测时用到的特征就是CNN的特征,也就是通过一个C...原创 2019-10-17 21:58:19 · 571 阅读 · 0 评论 -
目标检测算法基础——02目标检测问题方法
目标检测算法基础——02目标检测问题方法一、目标检测方法的变迁二、 基于传统手工特征的检测算法的问题1.通过传统方法设置特征,一方面很难设计,另一方面设计出来的特征往往存在各种问题,比如对于某一个特点条件不适应,即不鲁棒,效率低2.通过滑动窗口的方式来提取目标框,并对目标框进行分类判定的这种策略,在提取滑动窗口时的流程是非常繁琐耗时深度学习阶段,神经网络可以代替传统手工设计特征并完成目标...原创 2019-10-17 21:06:41 · 511 阅读 · 0 评论 -
目标检测算法基础——01目标检测问题定义
目标检测算法基础——01目标检测问题定义一、目标检测问题定义:目标检测是在图片中对可变数量的目标进行查找和分类二、目标检测过程中的常见的问题:目标种类和数量问题目标尺度问题:采集图像时,外在环境干扰问题三、目标检测VS图像分类:目标检测:目标检测不仅是给出了矩形框(目标检测对象的位置),同时对矩形框内的物体进行了分类,以不同的颜色的矩形框表示不同的类别,并且给出了检测对象...原创 2019-10-17 20:05:26 · 496 阅读 · 0 评论