目标检测
文章平均质量分 92
qq_38955142
这个作者很懒,什么都没留下…
展开
-
目标检测:4.MR-CNN
Object detection via a multi-region & semantic segmentation-aware CNN modelarXiv提出一种依赖于多区域深度卷积神经网络的目标检测系统,该网络同时对语义分割感知特征进行编码。基于该网络的表征能够捕获一组具有区别性的外观因素并展现出定位敏感性,这对于精准的目标定位至关重要。将识别模块集成到迭代定位机制上:在对边界框候选打分和使用深度回归模型改善定位之间进行交替。本文主要关注目标检测任务的两点:表征和定位。表征:采用更宽原创 2021-04-19 15:39:19 · 349 阅读 · 0 评论 -
目标检测:3.SPP-Net
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual RecognitionarXiv现有的卷积深度神经网络需要固定尺寸的图像输入,这可能会降低图像或子图像识别准确率。本文提出了新的池化策略—“空间金字塔池化”,用来消除对固定尺寸的依赖。SPP-net能够生成与图像尺寸无关的固定长度的表征。该方法能够有效提高分类准确率。在目标检测任务中,仅从整个图像计算一次特征图,然后对任意区域进行池化,生成固定长度的表征用于训练检测器,该方原创 2021-04-12 17:16:14 · 285 阅读 · 0 评论 -
目标检测:2.MultiBox
MultiBox: Scalable Object Detection using Deep Neural NetworksarXiv在此之前用于定位子任务的深度网络模型在图像中为每一个类别预测一个单一的边界框和一个置信度分数,模型能够获取围绕目标的上下文信息,但是不能处理同一类别的多个实例。本文提出一个用于目标检测的神经网络模型,预测一组类别无关的边界框和对应的分数,该分数表明边界框包含任何感兴趣目标的可能性。该模型可以处理同一类别的多个实例,并允许在网络的最高层进行跨类别泛化。目标检测的通用范式原创 2021-04-07 14:37:34 · 397 阅读 · 0 评论