![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测算法理论
文章平均质量分 65
王二小、
这个作者很懒,什么都没留下…
展开
-
目标检测算法—— R-CNN, Fast R-CNN, Faster R-CNN
文章目录R-CNN概述Fast R-CNN概述Faster R-CNN概述RPN的工作原理 R-CNN 概述 首先模型输入为一张图片,然后在图片上提出了约2000个待检测区域,然后这2000个待检测区域***一个一个地***(串联方式)通过卷积神经网络提取特征,然后这些被提取的特征通过一个支持向量机(SVM)进行分类,得到物体的类别,并通过一个bounding box regression调整目标包围框的大小。 第一步提取2000个待检测区域的时候,是通过一个2012年提出的方法,叫做selective原创 2022-01-19 14:29:55 · 900 阅读 · 0 评论 -
目标检测算法总览
目标检测算法分类 基于深度学习的目标检测算法主要分为两类:Two stage和One stage。 1)Tow Stage 先进行区域生成,该区域称之为region proposal(简称RP,一个有可能包含待检物体的预选框),再通过卷积神经网络进行样本分类。 任务流程:生成RP --> 特征提取 --> 分类/定位回归。 常见tow stage目标检测算法有:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。 2)One Stage 不用RP,直接在网络原创 2021-12-01 14:35:25 · 1110 阅读 · 0 评论