目标检测
文章平均质量分 84
知识复盘计划
这个作者很懒,什么都没留下…
展开
-
目标检测7——SSD: Single Shot MultiBox Detector
SSD300 在 59 FPS时实现 74.3% mAP ,而SSD500 在 22 FPS 时实现 76.9% mAP,优于Faster R-CNN(7 FPS 时 73.2% mAP)和YOLOv1(45 FPS 时 63.4% mAP)原创 2024-01-14 23:48:58 · 1024 阅读 · 1 评论 -
目标检测6——一阶段目标检测概述
一阶段目标检测是一种端到端的检测算法,仅仅使用一个卷积神经网络CNN直接预测不同目标的类别与位置原创 2024-01-14 23:23:08 · 467 阅读 · 1 评论 -
目标检测5——Faster R-CNN(RPN网络代替Selective Search来获取候选框)
Faster R-CNN 在 Fast R-CNN 的基础上利用 RPN 网络代替 Selective Search 来获取候选框得到更快的检测速度原创 2024-01-13 19:58:52 · 1677 阅读 · 1 评论 -
目标检测4——Fast R-CNN(ROI Pooling、SVD、Multi-task Loss等新特性实现端到端的训练并显著提升训练和推理的速度)
Fast R-CNN 利用 ROI Pooling、SVD、Multi-task Loss 等新特性实现端到端的训练并显著提升训练和推理的速度原创 2024-01-12 23:25:04 · 1014 阅读 · 1 评论 -
目标检测3——SPPNet(空间金字塔池化可以接收任何尺度的图像)
SPPNet采用空间金字塔池化可以使得任意大小的特征图都能够转换成固定大小的特征向量原创 2024-01-12 16:09:28 · 899 阅读 · 1 评论 -
目标检测2——R-CNN(将CNN网络应用在目标检测领域的开山之作)
R-CNN 的全称为 Regions with Convolutional Neural Network FeaturesR-CNN 是一种基于 Region Proposal 的 CNN 网络结构R-CNN 是将深度学习应用到目标检测领域的经典之作,并凭借卷积神经网络出色的特征提取能力,大幅度提高了目标检测的效果尽管R-CNN显著地提高了目标检测的效果。原创 2024-01-11 23:25:37 · 885 阅读 · 1 评论 -
目标检测1——二阶段目标检测概述
两阶段目标检测是基于 region proposals(区域推荐)产生目标候选框,然后再对候选区域进行分类与回归,其中有如下相关算法:R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、FPN、Mask R-CNN原创 2024-01-11 23:05:18 · 664 阅读 · 1 评论