目标检测
echo_hao
这个作者很懒,什么都没留下…
展开
-
Mask R-CNN原理详细解读
Mask R-CNN是在Faster R-CNN的基础上添加了一个预测分割mask的分支,如上图所示。其中黑色部分为原来的Faster-RCNN,红色部分为在Faster-RCNN网络上的修改。将RoI Pooling 层替换成了RoIAlign层;添加了并列的FCN层(mask层)。一、RoIAlign首先介绍一下RoIPooling,它的目的是为了从RPN网络确定的ROI中导出较小...原创 2019-03-27 14:52:37 · 74615 阅读 · 7 评论 -
R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN详解
一、R-CNNR-CNN的全称是Region-CNN,是第一个成功将深度学习应用到目标检测上的算法。R-CNN基于卷积神经网络(CNN),线性回归,和支持向量机(SVM)等算法,实现目标检测技术。传统的目标检测方法大多以图像识别为基础。 一般可以在图片上使用穷举法选出所所有物体可能出现的区域框,对这些区域框提取特征并使用图像识别方法分类, 得到所有分类成功的区域后,通过非极大值抑制(Non...原创 2019-03-20 11:55:11 · 1079 阅读 · 0 评论 -
Bounding-box regression
在R-CNN中,作者应用了Bounding-box regression来改善目标的定位。在训练中,输入是一系列的训练对{},i=1,2,…,N,其中表示候选区域中心的坐标和宽度高度,接下来忽略P的上标i,然后用G来表示原图中每一个标好的框,G=(Gx,Gy,Gw,Gh),最终的目标是学习一个函数将P转化成G。依据4个函数,前两个公式表示的是中心的平移,接下来的两个公式表示的是宽度和高度的...原创 2019-03-20 14:41:43 · 369 阅读 · 0 评论 -
Faster R-CNN算法详细流程
本博客主要参考了https://blog.csdn.net/Lin_xiaoyi/article/details/78214874,其中夹杂着自己看论文的理解。Faster R-CNN论文采用的结构图如下所示。采用了VGG16作为特征提取的模块。算法流程图如下所示。Faster R-CNN提出了Region Proposal Network (RPN),从与fast R-CNN共享的卷...原创 2019-03-27 11:11:37 · 16086 阅读 · 0 评论 -
YOLO算法详解
YOLO把目标检测问题简化成了一个回归问题,直接从图像像素出发,去得到框和分类概率。YOLO结构非常简单,如下图所示。一、算法流程YOLO用整个图片的特征去预测每一个边界框。它还同时预测一个图像在所有类中的所有边界框。YOLO先把整个图片划分成S*S个方格,如果一个物体的中心正好落在一个方格中,那么这个方格就负责来预测物体。每一个方格预测出B个边界框和这些框的置信分数。这些表示方格包含...原创 2019-04-03 11:56:06 · 32048 阅读 · 0 评论 -
IoU-Net论文笔记
很多基于CNN的目标检测算法都依赖于回归框和非极大抑制来定位物体。虽然对于分类标签的概率自然地影响分类置信度,但是定位的置信度是缺失的。这就会使边界框在迭代回归中退化甚至在非极大值抑制期间被抑制。文章提出了IoU-Net来预测每个检测边界框和ground-truth的IoU。整个网络获得了边界框的置信度,这样可以改善非极大值抑制过程。而且,文章还提出了一种边界框优化方法。这种方法取得...原创 2019-08-22 16:06:32 · 441 阅读 · 0 评论