目标检测
主要介绍一些经典的目标检测网络的设计原理与理解,以及代码实现
追逐AI的蜗牛
这个作者很懒,什么都没留下…
展开
-
目标检测PASCAL VOC 数据集简介
一、简介 PASCAL VOC 挑战赛主要有 Object Classification 、Object Detection、Object Segmentation、Human Layout、Action Classification 这几类子任务 PASCAL VOC 2007 和 2012 数据集总共分 4 个大类:vehicle、household、animal、perso...原创 2020-05-05 13:46:38 · 242 阅读 · 0 评论 -
目标检测网络概述
自从卷积神经网络在分类问题上取得很大进步以后,学者们纷纷想办法将卷积神经网络迁移到目标检测、目标分割等领域。目标检测领域发展到现在,出现了很多里程碑式的网络结构和设计思想,可以说是百花齐放,大放异彩,但是总体上大概可以将目标检测分为三个类别:two-stage one-stage archor-freetwo-stage 相信大家都知道,是大神何凯明最早将卷积神经网络引入到目标检测中来,从而创造了two-stage的RCNN系列目标检测网络,从RCNN到fast RC...原创 2020-05-30 13:13:56 · 1486 阅读 · 0 评论 -
YOLO v1原理解析
目标检测网络兴起的那几年,最火的就是大家所熟知的R-CNN系列,正是因为R-CNN系列是two-stage两阶段的检测网络,所以其检测速度比较慢,这个时候就有大神将two-stage整合成one-stage,设计出了YOLO网络,意思是you only look ones,下面就讲解一下YOLO网络的检测原理网络结构YOLO的网络结构很简单,基本的卷积层+最后两个全连接层 网络的输入输出输入:图片,resize成448*448,将图片分成7*7...原创 2020-07-01 16:24:28 · 382 阅读 · 0 评论 -
YOLO v2原理解析
YOLO v2是YOLO v1的一个升级版本,使其变的Better,Faster,Stronger,下面我从Better和Faster两个角度来说明一下(Stronger部分没看懂)Better YOLO有两个缺点:一个缺点在于定位不准确,另一个缺点在于和基于region proposal的方法相比召回率较低,为了解决这两个问题,YOLO v2使用了很多trick,下面来一一说明Batch Normalization 相信大家对BN已经很熟悉了,如今BN已经...原创 2020-07-03 11:14:27 · 709 阅读 · 0 评论 -
YOLO v3原理解析
YOLO v3是从YOLO v1,YOLO v2逐步改进而来,在继承了v1,v2很多内容的基础上,也有了很多新的改进,一步步提高网络的性能,v1,v2的基础有利于v3的理解,请不熟悉v1,v2的小伙伴先参考一下博客YOLO v1原理解析,YOLO v2原理解析YOLO系列原理概述 通过特征提取网络对输入图像提取特征,得到一定size的feature map,比如13*13,然后将输入图像分成13*13个grid cell,接着如果ground truth中某个object的中...原创 2020-07-03 11:32:32 · 630 阅读 · 0 评论 -
SSD网络原理解析
SSD网络是继YOLO之后的one-stage目标检测网络,是为了改善YOLO网络设置的anchor设计的太过于粗糙而提出的,其设计思想主要是多尺度多长宽比的密集锚点设计和特征金字塔,下面我将详细的解析SSD网络结构SSD网络结构精简版详细版通过上面这个图,大家可以清楚的看到SSD的网络结构主要分为以下几个部分:VGG16 Base Layer Extra Feature Layer Detection Layer NMS补充说明:在整个SSD网络中,其...原创 2020-05-30 16:44:40 · 17592 阅读 · 3 评论 -
FPN(Feature Pyramid Networks)网络原理解析
前言 在图像处理中,为了解决多尺度的问题,设计了图像金字塔;在卷积神经网络中,由于网络提取的不同特征层由低到高尺寸逐渐减小,自然形成了特征金字塔。FPN网络就是在特征金字塔的基础上对模型结构引入新的设计,从而提高了对小目标的检测精度。特征金字塔的特点 特征层由低到高所提取的信息丰富程度不同,特征层越高提取的语义信息level越高 特征层由低到高分辨率逐渐减小,感受野却逐渐增大...原创 2020-06-01 18:06:49 · 4255 阅读 · 1 评论 -
RetinaNet网络解析
RetinaNet是何凯明大神提出的一种网络,该网络结构采用FPN网络的结构(请参考博客FPN网络原理解析),其主要创新点在于提出了一个新的损失函数Focal Loss(请参考博客Focal Loss损失函数详解),主要用于解决one-stage目标检测中正负样本极不平衡的问题。关于FPN网络、损失函数Focal Loss的原理上面两篇博客已经写的很详细了,我这里主要说一下以下几点:特征金字塔构建 在ResNet结构上构建FPN,在P3~P7层上构建特征金字塔anchor...原创 2020-06-04 16:13:43 · 2672 阅读 · 0 评论 -
RefineDet网络解析
论文:Single-Shot Refinement Neural Network for Object Detection论文链接:https://arxiv.org/abs/1711.06897 RefineDet网络的设计初衷是在保持one-stage目标检测速度的同时提高检测效果.RefineDet网络结构在我看来可以理解为FPN+ARM(类RPN)+ODM.RefineDet网络结构FPN:FPN网络首先通过一个backbone产生特征金字塔(对应图中上半部分的特征...原创 2020-06-12 10:29:02 · 438 阅读 · 0 评论