做检测
先了解:
召回率(Recall),精确率(Precision),平均正确率(Average_precision(AP) ),交除并(Intersection-over-Union(IoU))
博客中的理解
• 传统检测方法
• 人工设计特征+浅层分类器
• 基于深度神经网络的方法
• 原始数据+图像标注,训练深度神经网络
1
传统检测方法
• 传统检测方法
• Robust Real-Time Face Detection
• http://www.vision.caltech.edu/html‐files/EE148‐2005‐Spring/pprs/viola04ijcv.pdf
传统检测方法2
• 传统检测方
• Deformable Part Models (DPMs)
• http://people.cs.uchicago.edu/~rbg/latent‐release5/
2 深度
从rcnn, fast rcnn, faster rcnn, yolo, r-fcn, ssd,到去年cvpr最新的yolo9000
我从faster rcnn开始看。目前介绍我比较疑惑的点:
1边框回归(Bounding Box Regression)详解
Bounding-box regression 就是用来微调绿色框ground truth 窗口和Selective Search 提取的 region Proposal 如果红框由于iou的评定小于阈值,为不准确,可以通过微调红窗与ground Truth 增加定位的准确性。
边框回归。。。》就是对红色框进行微调得到一个更近与ground truth 的框 ,如何去寻找这个关系式呢。
对于具体的边框是如何实现,以及具体的公式,参考:
的csdn博客。
后续问题会补上