RCNN,Fast RCNN,Faster RCNN
提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
例如:第一章 Python 机器学习入门之pandas的使用
提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
one_stage:YOLO,SSD,Retina-Net
two_stage:R-CNN,SPP-NET,Fast-RCNN,Faster-RCNN
RGB大神三部曲
一、R-CNN
1.思想
1.1 从输入图像中提取出 2000 个独立的候选区域
1.2 对每一个提取的候选区域进行卷积等操作,最终得到一个 固定长度 的特征向量
1.3 对每个候选区域利用 svm 进行目标分类
1.1区域提名:通过Select search方式提取2000个候选框区域,
1.2将每一个候选框缩放到固定大小上去
1.3将缩放的区域输入卷积神经网络提取特征
1.4加入全连接层
1.5SVM分类
二、Fast RCNN
1.引入库
代码如下(示例):
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下(示例):
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
三、Faster RCNN
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。