目标检测
文章平均质量分 89
目标检测介绍
shanzsz
逐渐变捞的研究生
展开
-
目标检测-介绍及传统方法
计算机视觉中关于图像识别有四大类任务:分类-Classification:解决"是什么?"的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location:解决"在哪里?"的问题,即定位出这个目标的的位置。 检测-Detection:解决"是什么?在哪里?"的问题,即定位出这个目标的的位置并且知道目标物是什么。 分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决"每一个像素属于哪个目标物或场景"的问题。一、转载 2021-05-23 15:29:43 · 10171 阅读 · 0 评论 -
目标检测-目标检测领域公开图像数据集总结
转载 2021-04-06 17:49:39 · 2950 阅读 · 0 评论 -
目标检测-常用的部件技巧:数据增强、backbone、head、neck、损失函数
一、数据增强方式random erase CutOut MixUp CutMix 色彩、对比度增强 旋转、裁剪解决数据不均衡:Focal loss hard negative example mining OHEM S-OHEM GHM(较大关注easy和正常hard样本,较少关注outliners) PISA二、常用backboneVGG ResNet(ResNet18,50,100) ResNeXt DenseNet SqueezeNet Darkn转载 2021-04-06 16:22:53 · 401 阅读 · 0 评论 -
目标检测-selective search算法
selective research,可译为选择性搜索,个人认为意思就是选择性算法,选择一个更适合于处理的候选区域来减少计算量。(适合就是指里面包含了物体,而不是图像的背景,因为我们检测就是检测物体,识别出背景对我们来说其实没什么意义,徒增了计算量)传统的滑动窗方法,为了获得目标区域的界限,需要进行大量的枚举,耗费了大量的计算力,比较不科学。...原创 2020-11-12 09:50:30 · 451 阅读 · 0 评论 -
目标检测-深度学习应用于目标检测的论文
Table of ContentsPaper list from 2014 to now(2019) Performance table Papers 2014 2015 2016 2017 2018 2019 2020 Dataset Papers转载 2021-03-20 20:10:49 · 355 阅读 · 0 评论 -
目标检测-RCNN系列算法简介
机器视觉领域的核心问题之一就是目标检测(Object Detection),它的任务是找出图像当中所有感兴趣的目标(物体),确定其位置和大小。作为经典的目标检测框架Faster R-CNN,虽然是2015年的论文,但是它至今仍然是许多目标检测算法的基础,这在飞速发展的深度学习领域十分难得。而在Faster R-CNN的基础上改进的Mask R-CNN在2018年被提出,并斩获了ICCV2017年的最佳论文。Mask R-CNN可以应用到人体姿势识别,并且在实例分割、目标检测、人体关键点检测三个任务都取得转载 2021-03-17 14:42:06 · 1861 阅读 · 0 评论