![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
文章平均质量分 90
JerrySing
这个作者很懒,什么都没留下…
展开
-
RCNN论文阅读
RCNN是利用深度学习来进行目标检测的开山之作,在此之前,主要是利用人工提取的具有鲁棒性的特征,如HOG,SIFT等。下面先简单介绍一下HOG。1. HOG Pyramid特征金字塔,对不同大小的物体进行适应,设计尺度不变性特征HOG特征->SVM分类2.DPM模型 Deformable Part Model加组件的HOG特征,组件之间计算弹性得分,优化可变形参数...原创 2018-09-26 15:26:11 · 969 阅读 · 0 评论 -
Spp-Net 论文阅读
前面说RCNN的时候,说到了几个缺点:1). 训练步骤繁琐:首先要用SS算法提取图片的候选区域,然后利用IOU计算每一块候选区域的标签,这是需要单独计算并将数据保存下来的。其次,利用候选区域与候选区域的标签训练CNN+SVM。最后利用BBox对边框回归。2). 训练测试的速度均比较慢3). 训练占用较大磁盘空间4). 由于存在fc,所以需要对候选区域尺寸进行Resize,这样会导致...原创 2018-09-27 14:18:26 · 755 阅读 · 0 评论 -
Fast-RCNN的改进
1. 回顾RCNN与SPP-Net模型要了解Fast-RCNN的改进,首先要了解RCNN与SPP-Net的网络模型,其主要结构如下图所示:RCNN流程主要是SS提取Region proposals,然后Crop/wap到归一化尺寸,输入到CNN进行训练,提取特征向量。最后将CNN提取的特征向量输入到SVM中进行分类,得到Region Proposals的labels。由于Region ...原创 2018-09-27 14:38:24 · 3274 阅读 · 0 评论 -
Faster RCNN 论文阅读
Fast RCNN基本实现了end to end,但是它的Proposals是单独执行的,并且Proposals采用的是SS算法,此算法比较古老,并且只能利用CPU进行,速度比较慢,因此Faster RCNN改进的主要是Region Proposals方面,它利用一个名为RPN(Region Proposals Network)的网络实现Proposals区域的提取,速度方面有了很大的提升。所以可...原创 2018-09-27 14:39:53 · 634 阅读 · 0 评论 -
感受野的概念
在深度学习中,我们经常会听到感受野这个词语,那么感受野究竟是什么呢?感受野的概念在卷积神经网络中,感受野的定义是 卷积神经网络每一层输出的特征图(feature map)上的像素点在原始图像上映射的区域大小。 RCNN论文中有一段描述,Alexnet网络pool5输出的特征图上的像...原创 2018-09-27 16:06:46 · 5482 阅读 · 1 评论