Object Detection网络框架
小鱼爱吃草灬灬
纸上得来终觉浅,绝知此事要躬行
展开
-
物体检测之损失函数:标准交叉熵损失、平衡交叉熵损失、 Focal Loss
1.标准交叉熵损失标准的交叉熵(Cross Entropy,CE)函数,其形式如下所示。公式中,p代表样本在该类别的预测概率,y代表样本标签。可以看出,当标签为1时,p越接近1,则损失越小;标签为0时p越接近0,则损失越小,符合优化的方向。标准的交叉熵中所有样本的权重都是相同的,因此如果正、负样本不均衡,大量简单的负样本会占据主导地位,少量的难样本与正样 本会起不到作用,导致精度变差。为...原创 2020-04-30 16:34:07 · 7075 阅读 · 0 评论 -
物体检测之非极大值抑制:NMS、softNMS、softerNMS、IoU-Net
当前的物体检测算法为了保证召回率,对于同一个真实物体往往会有多个的候选框输出。由于多余的候选框会影响检测精度,因此需要利用NMS过滤掉重叠的候选框,得到最佳的预测输出。当前有如下几种较为常见的NMS方法,1.基本NMS非极大值抑制, 顾名思义就是抑制不是极大值的边框,这里的抑制通常是直接去掉冗余的边框。这个过程涉及以下两个量化指标:1.预测得分:NMS假设一个边框的预测得分越高,这个框...原创 2020-04-28 15:17:14 · 1658 阅读 · 0 评论 -
GitHub:目标检测最全论文集锦
https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html原创 2019-05-24 10:48:29 · 477 阅读 · 0 评论 -
Object Detection网络框架学习:SSD
SSD(Single Shot MultiBox Detector)是ECCV2016的一篇文章,属于one - stage套路。在保证了精度的同时,又提高了检测速度,相比当时的Yolo和Faster R-CNN是最好的目标检测算法了,可以达到实时检测的要求。在Titan X上,SSD在VOC2007数据集上的mAP值为74.3%,检测速度为59fps。SSDSSD效果为什么这么好...原创 2019-05-26 14:07:07 · 286 阅读 · 0 评论 -
Object Detection网络框架学习:YOLOV1
YOLO V1是继 RCNN,fast-RCNN 和 faster-RCNN之后,Ross Girshick 针对 DL 目标检测速度问题提出的另外一种框架。YOLO V1 其增强版本在 GPU 上能跑45fps,简化版本155fps。YOLO1.YOLO 的核心思想 YOLO 的核心思想就是利用整张图作为网络的输入,直接在输出层回归 bounding box(边界框) ...原创 2019-05-20 21:16:24 · 354 阅读 · 0 评论 -
Object Detection网络框架学习:Faster-RCNN
经过RCNN和Fast RCNN的积淀,Ross B. Girshick在2016年提出了新的Faster RCNN,在结构上,Faster RCN已经将特征抽取(feature extraction),proposal提取,bounding box regression(rect refine),classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显。...原创 2019-05-15 11:41:39 · 449 阅读 · 0 评论 -
Object Detection网络框架学习:Fast-RCNN
2014年R-CNN横空出世,首次将卷积神经网络带入目标检测领域。受SPPnet启发,rbg在15年发表Fast R-CNN,它的构思精巧,流程更为紧凑,大幅提高目标检测速度。在同样的最大规模网络上,Fast R-CNN和R-CNN相比,训练时间从84小时减少为9.5小时,测试时间从47秒减少为0.32秒。在PASCAL VOC 2007上的准确率相差无几,约在66%-67%之间。Fast...原创 2019-05-14 15:47:14 · 263 阅读 · 0 评论 -
Object Detection网络框架学习:Chapter1-物体检测概念
在进行R-cnn的介绍之前,先简单的介绍一下物体检测相关的基础知识:物体检测在传统视觉领域,物体检测是一个非常热门的研究方向。受70年代落后的技术条件和有限应用场景的影响,物体检测直到上个世纪90年代才开始逐渐走入正轨。物体检测对于人眼来说并不困难,通过对图片中不同颜色、纹理、边缘模块的感知很容易定位出目标物体,但计算机面对的是RGB像素矩阵,很难从图像中直接得到狗和猫这样的抽象概念并定位...原创 2019-05-10 15:51:52 · 215 阅读 · 0 评论 -
Object Detection网络框架学习:R-CNN
R-CNNR-CNN的全称是Region-CNN,是第一个成功将深度学习应用到目标检测上的算法。R-CNN基于卷积神经网络(CNN),线性回归,和支持向量机(SVM)等算法,实现目标检测技术。R-CNN经典论文《Rich feature hierarchies for Accurate Object Detection and Segmentation》。Ross Girshick这篇p...原创 2019-05-11 11:38:56 · 343 阅读 · 0 评论 -
Object Detection网络框架学习:SPPNet
SPPNetSPP-Net是一种可以不用考虑图像大小,输出图像固定长度网络结构,并且可以做到在图像变形情况下表现稳定。SSP-net的效果已经在不同的数据集上面得到验证,速度上比R-CNN快24-102倍。在ImageNet 2014的比赛中,此方法检测中第二,分类中第三。SPPNet经典论文《Spatial Pyramid Pooling in Deep ConvolutionalNet...原创 2019-05-12 15:38:04 · 276 阅读 · 0 评论