Scalable Object Detection using Deep Neural Networks(泛读)

最新推荐文章于 2022-09-16 09:12:52 发布
最新推荐文章于 2022-09-16 09:12:52 发布
阅读量3.3k 收藏
点赞数
分类专栏： Machine_Learning Deep_Learning Something_Interesting 文献阅读 DL文献阅读与感悟 文章标签： CVPR 文献阅读 DeepLeaning
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/sheng_ai/article/details/39756389
版权

一.文献名字和作者

    Scalable Object Detection using Deep Neural Networks， CVPR2014
    

二.阅读时间

     2014年10月3日

三.文献的贡献点

   文献主要提出了使用DNN用于物体检测，主要的贡献点有下面三个：
    1.将物体检测问题定义为一个多个边框的坐标的回归问题；
    2.将边框检测器的训练作为神经网络训练的一部分；
    3.对于边界检测的训练过程中，不考虑类别的信息。
    感觉这篇文章主要还是在于介绍在ILSVRC2012上面取得好成绩的算法的过程，也就是将DNN用于大规模数据的物体检测中，想要具体实用还需要仔细阅读这篇文章。







版权所有，欢迎转载，转载请注明出处，谢谢微笑





shengno1
关注
专栏目录
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
01-09 8743
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读 导读：2019年11月21日，谷歌大脑团队发布了论文 EfficientDet: Scalable and Efficient Object Detection。 Google Brain 团队的三位 Auto ML 大佬 Ming...
SSD之前的准备:Scalable Object Detection using Deep Neural Networks
xbcReal的博客
07-28 1458
在阅读SSD的论文的时候，看到在论文中提及过好几次的MultiBox算法，为了便于对SSD能够有一个更好的理解，便决定先阅读MultiBox算法的论文，也就是这篇博客要介绍的论文:Scalable Object Detection using Deep Neural Networks。MultiBox算法的全称叫做DeepMultiBox，是一种用来生成候选区域的方法，这里的候选区域类似于在R-CN
Scalable Object Detection using Deep Neural Networks
最新发布
weixin_36670529的博客
09-16 542
一、摘要 深度卷积神经网络最近在一系列图像识别基准测试中取得了最先进的性能，包括ImageNet大规模视觉识别挑战(ILSVRC-2012)。在定位子任务中获胜的模型是一个网络，它预测一个边界框和图像中每个目标类别的置信度得分。这样的模型捕获目标周围的整个图像上下文，但是如果不天真地复制每个实例的输出数量，就不能处理图像中相同目标的多个实例。在这项工作中，我们提出了一个显著性激发的神经网络模型用...
论文提要“Scalable Object Detection using Deep Neural Networks”
cv_family_z的博客
06-11 3868
论文提要“Scalable Object Detection using Deep Neural Networks”与之前主流检测方法DPM不同，论文提出了一种名为“DeepMultiBox”的方法产生比较少量的目标候选框，这些候选框是使用DNN（Deep Neural Network）生成的与目标类别无关的区域。 1.主要贡献： 1）将目标检测定义为几个bounding bo
目标检测--Scalable Object Detection using Deep Neural Networks(CVPR 2014)
weixin_30834019的博客
11-23 190
Scalable Object Detection using Deep Neural Networks 作者:Dumitru Erhan, Christian Szegedy, Alexander Toshev, and Dragomir Anguelov 引用:Erhan, Dumitru, et al. "Scalable object detection using deep ne...
Scalable Object Detection using Deep Neural Networks笔记
fangfang的专栏
12-15 2913
解决的问题： 将深度网络应用到多object，并且object未知的情况。 整体思路： 用CNN（DNN（AlexNet））预测一系列的bounding box，每一个bounding box都会有对应的一个分数，这个分数就是box里有没有物体的置信度。 创新点： 本文主打的就是scalable，可扩展性，具体是指物体类别增多的情况下，bounding b
【论文笔记】Scalable Object Detection using Deep Neural Networks
tic-toc's blog
03-10 9203
Scalable Object Detection using Deep Neural Networks Erhan, D., Szegedy, C., Toshev, A., & Anguelov, D. (2013). Scalable Object Detection using Deep Neural Networks. arXiv. Goal 将基于DNN 的物体检测方法扩
论文翻译——Scalable Object Detection using Deep Neural Networks
m0_37857151的博客
11-06 947
Scalable Object Detection using Deep Neural Networks 作者：Dumitru Erhan,Christian Szegedy, Alexander Toshev等 发表时间：2013 Abstract Deep convolutional neural networks have recently achieved state-of-the...
[OVD]Open-Vocabulary Object Detection Using Captions(CVPR. 2021 oral)
Ah丶Weii
07-21 1222
1. Motivation Despite the remarkable accuracy of deep neural networks in object detection, they are costly to train and scale due to supervision requirements. Weakly supervised and zero-shot learning techniques have been explored to scale object detec.
《Scalable Object Detection using Deep Neural Networks》Bounding Box目标检测的思想
qq_38109282的博客
04-24 270
Scalable Object Detection using Deep Neural Networks 阅读该论文前有一些需要了解的知识 博客 非极大值抑制(Non-Maximum Suppression) 论文理解 论文的方法 我们的目标是通过预测一组表示潜在对象的边界框来实现与类无关的可伸缩对象检测。更准确地说，我们使用深度神经网络(DNN)，它输出固定数量的边界框。此外，它为每个表示包含对象的盒子的网络置信度的盒子输出一个分数。 训练一个DNN来预测每幅训练图像的边界框和置信度，最高得分的框就能
deep learning SSD: Single Shot MultiBox Detector
10-14
深度学习新技术 ssd
Deep Neural Networks for Object Detection（翻译）
weixin_33859844的博客
09-18 203
0 - Abstract 　　深度神经网络（DNNs）最近在图像分类任务上表现出了突出的性能。在这篇文章中，我们进一步深入探究使用DNNs进行目标检测的问题，这个问题不仅需要对物体进行分类，并且还需要对各种各样类别的物体进行精确定位。我们提出了简单但依然有效的将目标检测问题形式化为回归问题从而来对物体边界框进行定位。我们提出了一个多尺度推理程序（模型？），它可以通过应用少量网络层来产生高分辨率的...
【深度学习论文笔记】Deep Neural Networks for Object Detection
1983的专栏
07-25 9427
论文: Deep Neural Networks for Object Detection>>       作者: Christian Szegedy Alexander Toshev Dumitru Erhan 来源: Google 是否开放代码 主要思想：利用DNN来做目标检测，因为现在的CNN等深度学习在识别上面做的还挺好，但是在目标检测上
Scalable Object Detection using Deep Neural Networks 阅读笔记
weixin_43164512的博客
10-10 162
Scalable Object Detection using Deep Neural Networks 基于深度神经网络的可伸缩目标检测 14年的文章 是一个用于检测的显著性启发式神经网络模型， 分为 “定位”+“识别”两步 解决 将深度网络应用到多object，并且object未知的情况 穷举候选区导致计算量过大 过程 在图像上生成候选区域 本文重点 检测算法DeepMultiBox 一次预测多个边界框 让CNN输出一定数量的bounding boxes(每个box用4个参数表示,分别是.
Scalable Object Detection using Deep Neural Networks译文
weixin_30693683的博客
06-12 97
原文：https://arxiv.org/abs/1312.2249 转载于:https://www.cnblogs.com/a1397240667/p/9164686.html
目标检测经典文章翻译2：（MutilBox翻译）MultiBox-Scalable Object Detection using Deep Neural Networks
phinoo的博客
01-11 5529
一、番外说明 大家好，我是小P，今天和大家带来目标检测经典论文翻译的MultiBox，希望大家支持和喜欢。 此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群 813221712 讨论交流，进群请看群公告(点击下面链接直接加入)！ 点击链接加入群聊【Object Detection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8 由于排...
论文笔记 《Deep Neural Networks for Object Detection》
08-24 2154
http://nips.cc/Conferences/2013/Program/event.php?ID=4018 注：下面的编号按照文章的编号来，所以会出现不连续的情况。 3 DNN-based Detector 如上图，将图片分成多个网格，前景趋向1，背景趋向0。如果将每个网格看成是一种superpixel，那么其实网络做的是分割的问题。当我们得到了网络的分割后，前景像素其实
论文阅读：Deep Neural Networks for Object Detection
dhan_的博客
12-16 449
最近一直在看论文，感觉一直看也不是个办法，不如写写看心得体会。如果能遇到志同道合的朋友，那就更棒啦！话不多说，就来讲讲今天看的这篇论文好了：《Deep Neural Networks for Object Detection》。 之所以会选择这一篇论文是在知乎上推荐的126篇殿堂级深度学习论文分类整理 从入门到应用,这个排在了第一位，觉得可以看一下。同样是在逛知乎，看到有好心的大佬整理出来物体检测的
各种对象检测论文总结(Object Detection )
热门推荐
junmuzi的专栏
12-01 2万+
Original url: http://blog.csdn.net/u010167269/article/details/52563573 https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Object Detection  Published: 09 Oc
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