人工智能
DukeYong
认真生活,努力工作,这座城市有我奋斗的青春.
展开
-
Faster RCNN 学习笔记
下面的介绍都是基于VGG16 的Faster RCNN网络,各网络的差异在于Conv layers层提取特征时有细微差异,至于后续的RPN层、Pooling层及全连接的分类和目标定位基本相同.一)、整体框架我们先整体的介绍下上图中各层主要的功能1)、Conv layers提取特征图:作为一种CNN网络目标检测方法,FasterRCNN首先使用一组基础的conv+relu+pooling层提取inp...原创 2018-07-16 14:41:57 · 597 阅读 · 0 评论 -
RoIPooling、RoIAlign笔记
一)、RoIPooling 这个可以在Faster RCNN中使用以便使生成的候选框region proposal映射产生固定大小的feature map 先贴出一张图,接着通过这图解释RoiPooling的工作原理 针对上图 1)Conv layers使用的是VGG16,feat_stride=32(即表示,经过网络层后图片缩小为原图的1/32),原图80...原创 2018-07-16 14:48:04 · 1064 阅读 · 0 评论 -
FPN 学习笔记
通常,利用网络对物体进行检测时,浅层网络分辨率高,学到的是图片的细节特征,深层网络,分辨率低,学到的更多的是语义特征。1)、通常的CNN使用如下图中显示的网络,使用最后一层特征图进行预测例如VGG16,feat_stride=16,表示若原图大小是1000*600,经过网络后最深一层的特征图大小是60*40,可理解为特征图上一像素点映射原图中一个16*16的区域;那这个是不是就表示,如果原图中有一...原创 2018-07-16 14:53:38 · 804 阅读 · 0 评论 -
Mask RCNN 学习笔记
涉及到的知识点补充:FasterRCNN:https://blog.csdn.net/wangyong1988/article/details/81064597 RoIPooling、RoIAlign:https://blog.csdn.net/wangyong1988/article/details/81064995 FPN:https://blog.csdn.net/wangyong1988/...原创 2018-07-16 15:01:31 · 771 阅读 · 1 评论