【计算机视觉之五】RCNN/Fast-RCNN/Faster-RCNN

本文介绍了计算机视觉中的目标检测技术,从Selective Search方法开始,详细阐述了RCNN、Fast-RCNN和Faster-RCNN的工作原理。RCNN通过Selective Search生成区域提案,然后进行特征提取和SVM分类。Fast-RCNN通过共享特征层提高效率,引入ROI Pooling。Faster-RCNN则进一步内嵌region proposal网络,实现端到端训练。
摘要由CSDN通过智能技术生成

本文为课程笔记

问题1:给出一张图,如何用分类做检测,如图所示,其实就是划分一个个分类框。这里写图片描述

小的粉红色框可能对花的打分就会很高,大的框可能对狗的打分就会很高。

Selective search:自底向上(bottom-up segmentation)
这里写图片描述

其理念是通过颜色距离来聚类,形成如图第一张那样子的小方格,每个方格都有一种颜色,最后小方格会结合起来,形成右图这样的区域。

2.1 RCNN

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值