目标检测1

1、目标检测

输入图像给出物体类别是 图像分类
框出物体是 目标检测
将目标切割出来是 实例分割(图像分割
在这里插入图片描述

2、实际应用场景

在这里插入图片描述

3、存在的挑战

在这里插入图片描述
多尺度:目标有近远所以大小不同分别为大样本小样本
小样本:小概率发生的事情(如烟火报警器,发生火灾的概率极小,样本少,所以为小样本
在这里插入图片描述
在这里插入图片描述
paddle 里给了一些压缩的方案
在这里插入图片描述

4、算法的发展

在这里插入图片描述

5、目标检测

传统目标检测将它分成目标检测问题
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
提取特征时有大量候选区域,导致特征重复提取而且计算的参数量过大

在这里插入图片描述
ROI poorling可以解决重复特征提取的问题
特征重复提取会因为下采样的次数太多,在上采样的时候就不能很好的还原图像原本信息了,会导致一部分图片的信息丢失.
在这里插入图片描述
BBox(Boundong Box)可以是:预测框 锚框 候选框 ROI 人工标注的groun_truth

在这里插入图片描述
IOU可以用来表示两个框的接近程度
在这里插入图片描述
MAP:模型量化的指标

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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