![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文笔记
文章平均质量分 93
三的五次方
这个作者很懒,什么都没留下…
展开
-
SppNet论文笔记
一.介绍现有的方法都是要求输入图片是一个固定的尺寸,如果尺寸不对就要裁剪或者扭曲,这两张方法会丢失信息或者扭曲信息,不可取。卷积网络不需要有固定的尺寸,并且可以产生任意尺度的特征图,但是全连接层就需要固定的尺度。作者设计了spp layer,他可以产生固定长度的输出,放在卷积层和全连接层之间。作者认为SPP有一下三个优点:SPP能够生成一个固定长度的输出,而不管输入大小如何SPP使用了多级别的空间容器,多级池化对物体变形具有鲁棒性由于其对输入的灵活性,SPP可以池化从各种尺度抽取出来原创 2021-09-28 20:36:25 · 212 阅读 · 0 评论 -
R-CNN论文笔记
R-CNN论文笔记一.介绍作者主要关注两个问题:1.使用深度网络定位物体 2.在小规模的标注数据集上的进行大型网络模型的训练关于第一个问题有两种方案:1.将定位问题看做是回归问题,但Szegedy等人的工作说明这个策略不太行(VOC2007的mAP为30.5%)。 2.使用滑动窗口检测器,通过此方法使用CNN已经超原创 2021-09-22 21:58:17 · 157 阅读 · 0 评论