![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 77
风之谷回
这个作者很懒,什么都没留下…
展开
-
口述faster rcnn
一:流程 faster rcnn是目标检测的一个模型,它的流程是第一步整张图输入一个cnn,进行特征提取,获取最后一层卷积的feature map第二步feature map输入rpn网络,生成region proposal(大约300个),并提取region的等长特征向量第三步对提取的特征使用分类器进行分类第四步是回归对bounging box进行微调。二: rpn rp...原创 2018-08-01 00:02:14 · 191 阅读 · 0 评论 -
口述yolo
yolo有3个版本 v1 v2 v3yolo的核心思想就是利用整张图片作为网络的输入,直接在输出层回归bbox所属的类别和bbox的位置,将目标检测转化为回归问题。yolo1yolo1,,不需要生成proposal,yolo将图片划分为sxs的格子,每个格子负责中心在该各自的目标检测,采用一次性预测所有格子所含目标的bbox,定位置信度以及所有类别概率向量。 流程如下: (1) ...原创 2018-08-01 01:04:39 · 226 阅读 · 0 评论 -
口述MTCNN
MTCNN是多任务级联CNN,能够同时进行人脸检测和关键点检测。MTCNN网络包含3个级联的CNN,分别叫做P-net,R-net,O-net。 P-net是浅层的CNN,主要用来获取人脸区域的候选窗口和边界框的回归向量,并用该边界框做回归,对候选窗进行校准,然后通过NMS去掉一些重叠的候选框; R-net是更复杂的CNN(多了一个fc layer),还是通过边界框回归和NMS来排除大量错...原创 2018-08-01 09:46:08 · 829 阅读 · 0 评论