R-CNN算法优化策略

最新推荐文章于 2023-09-15 17:05:42 发布
最新推荐文章于 2023-09-15 17:05:42 发布
阅读量2.7k 收藏 2
点赞数 1
分类专栏： python机器学习 文章标签： cnn 算法 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sharp0016/article/details/122771566
版权

**

R-CNN算法优化策略

**
1，两阶段检测的进阶模型
在这里插入图片描述
首先进行数据处理，然后输入backbone得到特征图，然后进入RPN中提取候选区域roi，然后再ROI Align提取特争，然后送入BBox Head进行进一步的回归和分类。
主要介绍方面
在这里插入图片描述
在这里插入图片描述
第一步主要解决多尺度问题，预测物体大小
第二部算是fastRNN的局部表示图主要用最后一层对下一步进行输入。
第三步卷积神经网络存在下采样，在不同深度存在不同特征，
第四步fpn将不同层的特征相互融合，将特征展现得更加全面。
在这里插入图片描述
骨干网络和fpn相对独立，然后我们以resnet的骨干网络为例，蓝色部分resnet网络结构输出层从浅至深命名为c2–c5然后每层经过一个1*1的卷积然后在进行上采样，然后和上一层的卷积相加，然后每一层的特征相互融合。
在这里插入图片描述

在这里插入图片描述
第一个变化就是anchor，在fastRCNN是在一张特征图里产生的，但是现在fpn会生成多张特征图，并且尺寸还不一样，这时我们可以将面积不同的anchor分配到不同的类别中。
在这里插入图片描述
多个特征图用多个head来去预测不同尺度上的预选框。
在这里插入图片描述
大的ROI放进深的层次去学习，小的ROI放进浅的ROI学习
总结：
在这里插入图片描述

打工人C&K
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R-CNN、SPPNet、Fast Rcnn、Faster R-CNN 原理以及区别
01-06
R-CNN原理：   R-CNN遵循传统目标检测的思路，同样采取提取框，对每个框提取特征，图像分类，非极大值抑制等四个步骤，只不过在提取特征这一步将传统的特征换成了深度卷积网络提取的特征。  对于原始图像， 首先...
RCNN系列算法优化策略与工业质检案例
荪荪的博客
10-25 935
目录前言两阶段检测进阶模型介绍两阶段检测进阶模型优化策略工业应用：铝压件质检总结 前言 两阶段检测进阶模型介绍 两阶段检测进阶模型优化策略 工业应用：铝压件质检 总结
目标检测网络---Faster RCNN优化策略
lishiyu93的博客
04-13 1033
上一篇博文介绍了RCNN的综述，这篇博文介绍一下RCNN的常见优化策略 说明 这篇博文是学习了百度飞桨目标检测7日打卡训练营后写的笔记，百度飞桨学习链接：https://aistudio.baidu.com/aistudio/education/group/info/1617 FPN Cascade RCNN Libra RCNN ...
使用RKNN部署CRNN模型踩坑优化历程
小菜的博客
02-23 6191
序言 前段时间使用RKNN部署一个文字识别模型，因为文字识别模型用的是目前最普遍使用的CRNN模型，结构也相对简单：卷积+LSTM+全连接，都是比较元老级别的算子，本来已经部署的过程会很顺利，结果发现还是踩了很多坑。写篇文章记录下踩坑优化过程。 一、部署前 接到需求后，一开始想到的是直接使用paddleocr开源的通用文字识别模型，paddleocr提供了三个通用的文字识别模型，都是基于CRNN算法架构，分别是：mobilenetV3版、LCNet版、Resnet34版，前两个是移动端模型，后一个是服务端模
【转载】crnn的一些训练技巧
清凌的博客
05-25 3563
建议看原文， 我是怕原文挂了，才做一个转载备份一下。。。 博主总结得很好，就是博客园有时候真的搜不到啊 原文链接： Recurrent Neural Network[CTC] ctc可以看作一种对字符识别过程中，一整句话的自动切分。 CTC是看似和HMM有些联系，然后也采用DP来进行求解，将CTC结构图中<RNN输出，CTC层>单独拿出来，得到如下形式： 上图如CTC结构图， 最开始只能以(-)或者标签序列中第一个字符开始，即这里的t=1时，是{(-)，(C)}； 在结尾也只能以(−)(-
RPN（RegionProposal Network），ROI Pooling， roi align，双线性插值
m0_56175815的博客
05-17 3430
RPN是Region Proposal Network的缩写，是Faster R-CNN中的一部分。RPN的作用是用于生成候选物体区域（Region of Interest，RoI），即提出可能包含物体的区域，以便后续的物体检测和识别。
MATLAB实现SSA-CNN麻雀算法优化卷积神经网络数据分类预测（完整源码和数据）
最新发布
10-07
1.MATLAB实现SSA-CNN麻雀算法优化卷积神经网络数据分类预测，多特征输入模型，运行环境Matlab2018b及以上； 2.基于麻雀算法(SSA)优化卷积神经网络(CNN)分类预测，优化参数为，学习率，批处理，正则化参数； 3.多特征...
MATLAB实现WOA-CNN-LSTM鲸鱼算法优化卷积神经网络-长短期记忆网络数据分类预测（完整源码和数据）
02-21
基于鲸鱼算法(WOA)优化卷积神经网络-长短期记忆网络(CNN-LSTM)分类预测，WOA-CNN-LSTM多特征输入模型。（完整源码和数据） 优化参数为：学习率，隐含层节点，正则化参数。 多特征输入单输出的二分类及多分类模型。...
深度学习的目标检测技术演进：R-CNN、FastR-CNN、FasterR-CNN
02-25
本文来自于个人微博，本文介绍基于regionproposal的R-CNN系列目标检测方法是当前目标检测技术领域最主要的一个分支。objectdetection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object...
R-CNN和Fast R-CNN组内汇报PPT
03-12
R-CNN和Fast R-CNN组内汇报PPT
个人学习笔记-计算机视觉篇-Faster R-CNN中的RPN（Region Proposal Network）
01-07
关于Faster R-CNN中的RPN网络 参考文献及资料： https://blog.csdn.net/lanran2/article/details/54376126 https://blog.csdn.net/qq_35451572/article/details/80095628 https://blog.csdn.net/u014586602/article/details/92796317 http://arxiv.org/abs/1506.01497 RPN网络是一个小型的卷积网络，作用是标定出疑似识别目标的框体交由后续处理。 参考Faster R-CNN论文中的原图（图一）
keras 循环神经网络RNN优化--LSTM+GRU
陈泊舟的博客
04-25 5701
开篇 图示对比 RNN LSTM GRU 优化的点 在RNN中，随着时间线的延长，距离目前时间比较远的数据所包含的信息会被衰减殆尽，举个例子 “I grew up in France… I speak fluent ？.” 我们现在想判断出 ? 处应该是什么，我们直观地判断结果应该是Franch，判断的依据是前面有个France，可以认为France是x4x_4x4​的数据，我们要推断的是x...
详解RPN网络
weixin_42912710的博客
08-30 1万+
引言 RPN（Region Proposal Network）是Faster-RCNN网络用于提取预选框（也就是RCNN中使用selective search算法进行Region Proposal的部分），我们知道RCNN及Fast-RCNN中一个性能瓶颈就是提取预选框的部分，而RPN很好地对这个部分进行了优化，原因在于它将卷积神经网络引入了进来，使用特征提取的形式生成出预选框的位置从而降低了selective search算法带来的计算时间上的开销。 RPN( Region Proposal Networ
关于RNN的几种优化方法及相关代码总结
weixin_40370297的博客
09-03 3363
关于RNN的几种优化方法及相关代码总结循环神经网络和几种优化方法一、循环神经网络(RNN)、长短时记忆网络(LSTM)1、循环神经网络(RNN)2、长短时记忆网络(LSTM)循环网络的优化如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表...
一文看懂循环神经网络-RNN（独特价值+优化算法+实际应用）
weixin_43612023的博客
07-04 2187
本文首发在 easyAI - 人工智能知识库 原文地址：《一文看懂循环神经网络-RNN（独特价值+优化算法+实际应用）》 卷积神经网络 - CNN 已经很强大的，为什么还需要RNN？ 本文会用通俗易懂的方式来解释 RNN 的独特价值——处理序列数据。同时还会说明 RNN 的一些缺陷和它的变种算法。 最后给大家介绍一下 RNN 的实际应用价值和使用场景。 为什么需要 RNN ？独特价值是什么？...
Faster R-CNN论文笔记——FR
热门推荐
FR的专栏
10-20 5万+
在介绍Faster R-CNN之前，先来介绍一些前验知识，为Faster R-CNN做铺垫。 一、基于Region Proposal（候选区域）的深度学习目标检测算法 Region Proposal（候选区域），就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率（IoU，Intersection-over-
盘点11种高效改进卷积神经网络（CNN）的优化方法【核心代码下载】
学姐带你玩AI的博客
09-15 3287
卷积神经网络定义了一个非常强大的模型类，但仍受限于以计算和参数高效的方式对输入数据空间不变性的缺乏。在这项工作中，作者引入了一个新的可学习模块，即空间转换器，它明确允许网络内数据的空间操作。这个可微分模块可以插入现有的卷积架构中，使神经网络能够主动根据特征映射本身在空间上转换特征映射，而不需要任何额外的训练监督或修改优化过程。作者发现使用空间转换器可以使模型学习对平移、缩放、旋转和更泛化变形的不变性，在几个基准测试中取得了最先进的性能，对一些变换类型也取得了最好的结果。
卷积神经网络CNN参数优化
woniu201411的博客
07-01 9423
目录 一、训练神经网络模型 1、神经网络训练流程 2、前向传播算法 3、反向传播算法 二、卷积神经网络CNN参数优化 1、learning_rate学习速率 2、batch_size批数据大小 3、训练样本要均衡 4、丢弃率 5、网络架构 一、训练神经网络模型 1、神经网络训练流程 变量初始化：通过满足正态分布的随机数来初始化神经网络中的参数是一个常用的方法。 部分...
基于DBnet+CRNN+CTC的证件OCR任务，tensorflow2.x实现
cxn511的博客
02-01 2336
最近完成了一项海外证件全信息识别的项目，主要有四大模块：证件定位（BISNET分割），文本检测（DBnet），文本识别（CRNN+CTC），信息抽取（规则）。目前，证件定位的准确率为99%；本检测的准确率为99.2%；识别的准确率为98%（以字段为单位）。有空整理完代码放到github上。待续。。。 ...
Mask R-CNN算法从0开始
06-08
Mask R-CNN是一种基于Faster R-CNN的图像分割模型，可以同时进行目标检测和实例分割。下面是从0开始训练Mask R-CNN的步骤： 1. 数据准备：收集并标注数据集，包括样本图片和对应的标注文件。标注文件需要包含每个样本的物体位置、类别等信息。 2. 模型选择：选择Mask R-CNN作为模型，并可以使用预训练的模型作为基础模型。可以从GitHub上下载Mask R-CNN的源代码。 3. 配置训练环境：安装必要的工具和库，如Python、TensorFlow、Keras等，配置GPU环境。 4. 数据预处理：对数据集进行预处理，如图像缩放、裁剪、归一化等操作。 5. 训练模型：使用训练数据集对模型进行训练。可以使用Adam优化器和交叉熵损失函数进行训练。训练过程中，可以使用学习率衰减策略和数据增强技术来提高模型性能。 6. 模型评估：使用评价指标评估模型的性能，如平均精度均值（Average Precision, AP）。 7. 模型应用：使用训练好的模型对新的数据进行预测。 需要注意的是，在训练Mask R-CNN模型时，需要对目标检测和实例分割两个任务进行训练。训练过程中，需要同时优化这两个任务的损失函数，以得到最佳的目标检测和实例分割结果。 以上是从0开始训练Mask R-CNN的基本步骤，具体实现中还需要注意训练参数的设置、数据增强、学习率调整等细节。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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