![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 60
Wanghd_yummy
这个作者很懒,什么都没留下…
展开
-
Yolo系列
Yoloyolov1yolov1算法原理介绍Yolov1存在的问题yolov1yolov1算法原理介绍同时预测多个bounding box位置和类别端到端的目标检测和识别速度更快1.图像被分成S×S个格子2.包含GroundTruth物体中心的格子负责预测相应的物体3.假设每个格子最多包含B个物体,每个格子预测B个检测框及其置信度,以及C个类别概率。4.boundingbox信息(x,y,w,h)为物体的中心位置相对格子位置的偏移及宽度和高度,均被归一化。5.置信度反应是否包含物体,以及原创 2021-09-13 21:28:54 · 98 阅读 · 0 评论 -
Faster RCNN
FasterRCNN算法RCNN网络SPPNetFast RCNNFaster RCNNRCNN网络RCNN网络与传统的区别,通过一个卷积神经网代替原先的颜色、纹理特征提取。存在检测速度低下,检测精度较低。步骤1:利用AlexNet训练分类网络,即得到一个预训练模型。步骤2:对模型做fine-tuning,模型去掉FC层,类别1000改为20步骤3:特征提取采用选择性搜索而不是滑动窗口的策略提取候选框选择性搜索:step0:生成区域集R。step1:计算区域集R里每个相邻区域的相似度S原创 2021-08-16 11:45:40 · 116 阅读 · 0 评论 -
One-stage和Two-stage算法介绍
这里写目录标题Two-stage 基本流程Two-stage 基本流程原创 2021-08-11 16:12:54 · 663 阅读 · 0 评论 -
传统目标检测方法学习笔记
目标检测学习笔记(一)目标检测的定义传统目标检测算法Viola Jones(人脸检测)HOG+SVM算法(行人检测)目标检测的定义目标检测存在的问题:目标种类和数量问题目标检测尺度问题外在环境干扰问题目标检测方法的发展:传统目标检测算法传统目标检测算法基本流程:Viola Jones(人脸检测)Harr特征(属于纹理特征的一种)Adaboost算法HOG+SVM算法(行人检测)提取HOG特征训练SVM分类器利用滑动窗口提取目标,进行分类判断NMS进行候选框过原创 2021-08-05 14:46:23 · 135 阅读 · 0 评论