Cascade R-CNN总结

论文地址:https://arxiv.org/abs/1712.00726

文章内容:

  • 论文概述

  • 算法核心

论文概述:

目标检测训练面临的问题:使用低IOU阈值训练,会产生很多噪声检测,如下图;用高IOU阈值训练,检测结果反而降低,造成的原因有两点:(1)正样本指数级减少,使得训练过拟合,(2)在推理阶段选用不同的IOU造成mismatch

Casecade R-CNN的提出:在不断增高的IOU阈值上,训练有一系列检测器,逐渐剔除掉接近真样例的假样例

算法核心:

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值