目标检测：R-CNN

最新推荐文章于 2024-06-26 21:19:32 发布
最新推荐文章于 2024-06-26 21:19:32 发布
阅读量4k 收藏 8
点赞数 1
分类专栏： Computer Vision Deep Learning 文章标签： 目标检测 RCNN 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/tinyzhao/article/details/53708862
版权
R-CNN是一种通用目标检测框架，通过selective search获取候选区域，使用CNN提取特征，SVM进行分类和边框回归提高精度。文章介绍了R-CNN的工作流程，包括Warp和Crop、Bounding box regression、IoU、NMS和Hard negative mining等关键术语。尽管R-CNN较慢，但其引入CNN特征提取是重大创新，为后续的Fast R-CNN和Faster R-CNN奠定了基础。
摘要由CSDN通过智能技术生成

《Rich feature hierarchies for accurate object detection and semantic segmentation》论文解读

作者是Ross B. Girshick，简称RBG，作者主页：

https://people.eecs.berkeley.edu/~rbg/index.html

目标检测问题就是从图片中检测出目标的位置并判断目标的类别，比如人脸检测问题。不过人脸检测问题只是一种专门针对人脸的检测问题，而本文提出的R-CNN是通用目标检测问题，针对20类目标的检测。通用目标检测问题只需要进行适当修改就可以应用在人脸检测上。R-CNN检测框架的发展脉络是R-CNN，SPPnet，Fast R-CNN,Faster R-CNN。一些新的方法比如YOLO和SSD以后有时间再解读。

概述

如我前面博客所说，检测问题需要解决三个问题：1、候选区域生成；2、候选区域特征提取；3、目标分类识别。R-CNN对此解答是：selective search，CNN，SVM。

R-CNN

R-CNN目标检测框架如下所示：

arch

对于输入图片，首先使用selective search方法提取大概2k个候选区域，然后每个候选区域变形缩放到227*227输入到AlexNet中，得到4096维的特征以后，使用SVM进行分类，得到类别以后，还需要使用边框回归(Bounding box regression)提高边框位置精度。

AlexNet如何微调？AlexNet微调时，样本为基准方框中的区块，以及和基准区块重叠比较大的区块(IoU>0.5)，这些都归为一类；并把AlexNet最后一层换成21个类别（20类目标+背景）的softmax分类。这样训练出来的CNN最后的softmax分类就不是很准确，但是能够用来提取目标特征。

SVM如何训练？SVM本质是一个二分类器，正样本为包含目标的基准框（ground true），需

最低0.47元/天 解锁文章
tinyzhao
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【目标检测算法】R-CNN（详解）
风口IT猪的成长录
08-14 1万+
目标检测算法之R-CNN学习目标1. 目标检测-Overfeat模型1.1 滑动窗口1.2 Overfeat模型总结2. 目标检测-R-CNN模型2.1 完整R-CNN结构2.2 候选区域（Region of Interest）得出2.3 CNN网络提取特征2.4 特征向量训练分类器SVM2.5 非最大抑制（NMS）2.6 修正候选区域3. 检测的评价指标3.1 IoU交并比3.2 平均精确率（mean average precision）map4. R-CNN总结4.1 流程总结4.2 缺点5. 总结6.
R-CNN(目标检测算法)介绍
Sea__c的博客
10-22 3578
因为一个框可以用四个值来表示（x,y,w,h）分别是框的中心点横坐标，中心点纵坐标，宽，高。由于物体标签训练数据少，如果要直接采用随机初始化CNN参数的方法,目前的训练数据量是不够的. 基于此，采用有监督的预训练，使用一个大的数据集（ImageNet )来训练AlexNet，得到一个1000分类的预训练（Pre-trained）模型。目标检测不仅需要确定目标的类别，还要找到目标在图像中的位置.由于各类目标不同的外观，颜色，大小以及在成像时光照，遮挡等具有挑战性的问题，目标检测一直处于不断的优化和研究中.
一文搞懂YOLO系列目标检测！万字长文（附YOLOv8实操教程）
最新发布
qq_45591302的博客
06-26 6646
本文介绍目标检测基础概念，算法发展历史，YOLOV8环境配置，数据集标注，模型评估指标，改进策略。
深度学习笔记（一）——目标检测R-CNN简介
拨雪寻春，烧灯续昼
12-22 3323
目标检测概念 目标检测在应用中关注的是图片中特定目标物体的位置和目标的对象类别。一个检测任务包括两个子任务： 输出对象目标的类别信息——属于分类任务 输出目标的具体位置信息——属于定位任务 对于目标检测，分类的结果是一个类别标签。对于单个分类任务而言，它是一个整数，表示某一个类别，对于多分类任务，他是一个向量。换一句话说，分类检测的结果是一个结果表示最终输出，区别在于结果是单一数还是向量。在检测任务中输出的是一个列表，表示其中的每一项都会给出检测目标的类别和位置。类别指分类的标签，往往是一个字符串形式。
[ 目标检测 ] 经典网络模型1——R-CNN 详解与复现
A_John 的博客
05-08 3034
[ 目标检测 ] 经典网络模型1——R-CNN 详解与复现 1、Regions with CNN features ； 2、R-CNN 详解 ； 3、R-CNN 复现 ； 近年来，目标检测性能在标准 PASCAL VOC 数据集上保持稳定 ； 性能最好的方法是复杂的集成系统（complex ensemble systems），通过将多个低维图像特征与高维背景结合 ； 利用 候选区域与 CNN 相结合 的方式，实现了平均精度（mAP）提高了30%以上 ；..................
目标检测—RCNN系列
weixin_44768052的博客
04-09 4753
工程应用中，检测算法以one-stage算法yolo系列等为主，因为one-stage通常来说速度快，可以完成良好的实时检测。 本文回顾的是two-stage算法:RCNN系列 One-stage and two-stage: one-stage: 直接回归物体的类别概率和位置坐标值（无region pr...
一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD.doc
12-23
目标检测算法概述 本文将对目标检测算法进行概述，包括传统的目标检测算法、候选区域/窗 + 深度学习分类、基于深度学习的回归方法。 一、目标检测概述 目标检测是图像处理中的一个基本问题，即在给定的图片中精确...
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...
目标检测：Mask R-CNN
05-10
Mask R-CNN 是一个小巧、灵活的通用对象实例分割框架（object instance segmentation）。它不仅可对图像中的目标进行检测，还可以对每一个目标给出一个高质量的分割结果。项目特性 目标检测，直接在结果图上绘制了...
基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN - Madcola - 博客园1
08-04
R-CNN（Region-based Convolutional Neural Network）、Fast R-CNN和Faster R-CNN是这一领域的里程碑式工作，它们逐步优化了目标检测的效率和准确性。 R-CNN（2014年）是最早将深度学习引入目标检测的技术之一。它...
【目标检测】RCNN算法详解
热门推荐
shenxiaolu1984的专栏
04-05 22万+
深度学习用于目标检测的RCNN算法
目标检测算法R-CNN简介
网络资源是无限的
02-11 2万+
2014年Ross B. Girshick(RBG)等人在CNN的基础上设计了R-CNN模型，R-CNN(Region-based Convolution Neural Networks, 或Regions with CNN features, R-CNN)摒弃了传统的滑动窗口(通过多尺度滑动窗口确定所有可能的目标区域)和人工选取特征的方法如HOG和SIFT，将候选区域算法Selective Se...
（三）目标检测之 R-CNN系列
天青如水的博客
12-16 2669
目标检测之 R-CNN系列R-CNNFast R-CNNFaster R-CNNMask R-CNN R-CNN,Fast R-CNN,Faster R-CNN,Mask R-CNN R-CNN系列的四篇文章如下： R-CNN: https://arxiv.org/abs/1311.2524 Fast R-CNN: https://arxiv.org/abs/1504.08083 Faster R-CNN: https://arxiv.org/abs/1506.01497 Mask R-CNN: htt
目标检测之R-CNN
阿基美德的博客
08-13 224
R-CNN 原论文：Rich feature hierarchies for accurate object detection and semantic segmentation 将检测任务转化为区域上的分类任务，是深度学习方法在检测任务上的试水。 论文架构： 引文（介绍CNN之前的一些尝试） R-CNN目标检测架构 结果可视化、消融实验 ILSVRC2013目标检测数据集 语义分割 结论 主要思想为 第2节，以此作翻译+理解。 2 Object detection with R-CNN 用R-CNN
深度学习经典网络解析目标检测篇（一）：R-CNN
与君共勉，一起学习
04-23 7831
深度学习经典网络解析（八）：R-CNN1.背景介绍2.目标检测（Object Detection） R-CNN论文详情见我的博客： 深度学习论文阅读（七）：R-CNN《Rich feature hierarchies for accurate object detection and semantic segmentation》 1.背景介绍   目标检测（Object Detection) 就是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，通俗点说就是给定一张图片要精确的定位到物体所
【小知识】目标检测各类指标概念总结
capsule的博客
01-19 3952
目标检测论文中出现过很多容易混淆的评价指标，比如，包括最基本的AP、mAP这些定义，索性将这些基本概念搞清楚，做个总结。
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