深度学习之目标检测(三)原理流程

基于区域建议的目标识别的算法

R-CNN

1、输入图像,使用Selective Search选择2000个候选区域(proposal);
2、候选区域转换为统一大小图片,使用CNN进行提取特征;
3、SVM分类器分类;
4、Bounding Box回归。

Fast R-CNN

1、输入图像,使用Selective Search选择2000个候选区域(proposal);
2、整张图片卷积提取特征,得到feature map;
3、找到每个候选框在feature map中的映射patch. 将patch作为每个候选框的特征输入到ROI池化层及后面的层;
4、将提取出的候选框的特征输入到softmax分类器中进行分类;
5、使用SmoothL1Loss回归的方法对于候选框进一步调整位置。

Faster R-CNN

1、对整张图片输进CNN网络,得到feature map;
2、卷积特征输入到RPN,得到候选框的特征信息;
3、对候选框中提取出的特征,使用分类器判别是否属于一个特定类;
4、对于属于某一特征的候选框,用回归器进一步调整其位置。

基于深度学习的回归方法

YOLO

1、输入图像,经过卷积层和全连接层,将图像划分成77的网格;
2、对于每个网格,我们都预测2个边框(包括每个边框是目标的置信

  • 0
    点赞
  • 6
    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