FasterRCNN目标检测原理解析(一)

看了两位up主的视频,受益匪浅丫,认真做了笔记,分享一下...

参考资料:[1]https://www.bilibili.com/video/BV1x4411q7da

                  [2]https://www.bilibili.com/video/BV1af4y1m7iL

目标检测--传统算法

时间:2014年前

技术实现:①候选区域选择:不同大小的边框在图像上遍历提取目标位置。②特征提取:SIFT、HOG算子。其两个主要两个功能是过滤候选框和识别物体类别。③分类:SVM、adaboost

特点:时间复杂度高

场景:对精确度要求不高的低端嵌入式设备

目标检测--深度学习算法

>RCNN (Region with CNN Features)

时间:2014年

论文:Rich feature hierarchies for accurate object detection and semantic segmentation

技术实现:①候选区域选择,有selective search、edge boxes;②特征提取,有CNN、IOU、NMS;③分类,SVMs

缺点:由于有候选区域和特征提取两个阶段,所以速度比较慢。

>fastRCNN

时间:2015年

论文:Fast RCNN

Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

技术实现:①候选区域选择采用了Selective Search、ROI、SPP;②特征提取采用了CNN;③分类,多任务目标函数使用了softmax。

缺点:速度慢

>fasterRCNN

时间:2015年

论文:Feature Pyramid Networks for Object Detection;

           Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks

技术实现:①候选区域选择采用了RPN、anchors;②特征提取采用了CNN;③分类,多任务目标函数使用了softmax

  • 0
    点赞
  • 20
    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