用CNN能实现FCN干的事情么
不完全能
通过Segmentierung不能区别Objektinstanzen
图片又上传不了了
他不能把所有汽车分别区分出来,只能把很多个汽车一起区分粗来
所以停车的空隙就不好识别
Objektdetektion klassisch
传统的识别路线
选择感兴趣区域
导出特征
通过分类器区分这一区域的东西是什么
区域选择的方法
sliding windows+pyramid
更多的区域如果图像本身就很大的话
bildpyramide在不同尺寸的图像中
兴趣点检测(区域确定)
大多数情况下100到1000的区域
Objektdetektion mit CNNs
传统的CNN
所谓的两个区域的公式BBox和SVM
要一个区域一个区域的检测添加网络识别
改进的话就是更好的区域选择,一起求出特征
fast R-CNN
提前计算特征,提取区域从特征表里,再分类,一次搞定
faster R-CNN
区域评选通过CNN,先排除一些区域
One Stage - Bounding Box Regression
目前为止
每一个区域的每一个种类的概率我们可以得到,根据概率图我们也可以Segmentierung
目前
附加预测一个区域里的一股物体用Bounding Box方法
他跟物体类别不相关
是根据推导出来的特征实现的
Multinet architektur
就是同时用不同的方法进行分类
特征提取后,人物之间的训练是不相关的
如果涉及到3d的话增加一个head给3d