目标检测
freshZero_
这个作者很懒,什么都没留下…
展开
-
目标检测之R-CNN系列
R-CNN整体结构Region proposal -> warped region -> CNN -> FC -> linear SVM、regression训练步骤对CNN进行Supervised pre-training在有大量数据的ILSVRC 2012数据集上进行分类训练,达到较好的效果Domain-specific fine-tuning使用...原创 2018-12-05 11:22:17 · 910 阅读 · 0 评论 -
目标检测之RetinaNet
论文地址:https://arxiv.org/pdf/1708.02002.pdf思想主要目的是解决易分类样本和难分类样本之间的均衡问题,不仅仅是解决样本不均衡的问题。也就是说使易分类样本对loss的贡献减小,使难分类样本对loss的贡献增大。论文最主要的贡献针对这个问题提出了一个loss函数:Focal loss。Focal loss 是在交叉熵的基础上进行的改进,在损失函数之前增加...原创 2018-12-19 15:38:57 · 8733 阅读 · 0 评论 -
目标检测之YOLO系列
YOLO整体结构源码def _build_net(self): """build the network""" if self.verbose: print("Start to build the network ...")原创 2018-12-18 14:35:13 · 838 阅读 · 0 评论 -
目标检测之SSD
网络结构改进点相对于two-stage的目标检测方法faster R-CNN去掉了检测框的提出和后面针对提出的不同的检测框进行特征采样的过程,提高了速度。但是借鉴了RPN(region proposal net)的过程。在faster R-CNN中的RPN中采用滑动窗口的方法来得到region proposal,在SSD中采用和YOLO类似的方法,每一个特征图固定的每一块给出6个或者4...原创 2018-12-18 17:19:24 · 203 阅读 · 0 评论 -
目标检测之FPN(Feature Pyramid Net)
FPN思想FPN的思想来源是传统图像处理中的图像金字塔(image pyramid),例如sift特征构建中使用的不同尺度的图像金字塔。FPN思想的主要是用来提高模型对不同大小输入图像以及目标检测问题中不同大小物体的鲁棒性。模型结构(a)中的图像金字塔,即将图像resize到不同的大小,然后分别对不同大小的图片使用模型进行训练和检测。这种方法的缺点在于增加了时间成本。有些算法会在测试时候...原创 2018-12-19 11:04:04 · 1229 阅读 · 0 评论