![](https://img-blog.csdnimg.cn/7207555b391d464395063efa8ef1602d.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Faster-RCNN·代码解读
文章平均质量分 95
本栏目主要针对Faster-Rcnn代码全注解,帮助交叉学科的研究生快速水一篇论文~
LiBiGo
工学博士在读,主要从事智能制造、工业精密检测、智能化设备研发等方向研究,已发表二区Top文章一篇、国家级竞赛二等奖一项、已授权软件著作权两项、已发表中文期刊两篇,先后参与国家自然科学基金面上项目、省重点研发计划等课题。
展开
-
Faster-RCNN·代码解读系列02:一口气拿下Faster RCNN模型及其设计原理
本文旨在详细解析Faster R-CNN的工作原理及其设计原理,帮助读者深入理解这一重要模型。Faster R-CNN是在Fast R-CNN的基础上进一步发展的,其核心贡献在于引入了RPN网络,实现了候选框(Region Proposal)的自动生成,从而替代了传统的Selective Search算法,大大提升了检测速度。Faster R-CNN通过共享卷积特征,将RPN和Fast R-CNN融合为一个端到端的网络,实现了更高效的训练和检测。原创 2024-07-06 14:25:51 · 1017 阅读 · 0 评论 -
Faster-RCNN·代码解读系列01:Selective Search 和 R-CNN、Fast-CNN 简介
首先需要一个已经训练好的分类器,然后把图像按照一定间隔和不同的大小分成若干窗口,在这些窗口上执行分类器,如果得到较高的分类分数,就认为是检测到了物体。把每个窗口都用分类器执行一遍之后,再对得到的分数做一些后处理如非极大值抑制(Non-Maximum Suppression, NMS)等,最后就得到了物体类别和对应区域,其方法示意图如图所示。滑窗法相当于对一张图像上的子区域进行类似穷举式的搜索, 一般情况下这种低效率搜索到的区域里大部分都是没有任何物体的。原创 2024-07-06 13:49:03 · 587 阅读 · 0 评论