SSD学习笔记

最新推荐文章于 2022-12-07 15:34:48 发布
最新推荐文章于 2022-12-07 15:34:48 发布
阅读量1.4k 收藏
点赞数
分类专栏： 计算机视觉 文章标签： 目标检测 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44570701/article/details/122352944
版权
SSD在目标检测领域表现出高精度和速度，VOC-07 mAP达76.8%，COCO mAP@.5为46.5%。算法通过CNN提取特征，生成feature map，然后在多层feature map上产生default box，经过NMS筛选输出。重点介绍default box生成和正负样本选取，以及损失函数。
摘要由CSDN通过智能技术生成

一、性能

        SSD进一步提高了检测精度和速度(VOC-07 mAP=76.8%, VOC-12 mAP=74.9%, COCO mAP@.5=46.5%, mAP@[.5,.95]=26.8%, SSD的精简版速度达到59 fps)。

二、算法原理

 

SSD算法基本流程：

1.输入一幅图片，让图片经过卷积神经网络（CNN）提取特征，并生成 feature map。

2.抽取其中六层的feature map，然后再 feature map 的每个点上生成 default box（各层的个数不

最低0.47元/天 解锁文章
「已注销」
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SSD 笔记
qq_24548569的博客
10-21 474
论文 SSD: Single Shot MultiBox Detector Motivation 目标检测算法R-CNN系列、YOLO系列的精度虽然高，但是速度不快，不能作为实时检测算法。因此作者提出了实时目标检测算法SSD。 Innovation SSD没有region proposal过程和特征重采样阶段，加快网络速度。SSD在不同尺寸的feature map上进行预测，提高了网络的精度，如下...
SSD-学习笔记
蘑菇菌的博客
04-03 798
Reference：https://blog.csdn.net/jy001227801/article/details/80388192 https://blog.csdn.net/a8039974/article/details/77592395 SSD具有如下主要特点： 从YOLO中继承了将detection转化为regression的思路，同时一...
固态硬盘SSD学习笔记：SSD综述
qq_41285194的博客
11-29 1837
SSD(Solid State Device)：闪存介质+主控HDD(Hard Disk Drive)：马达+磁头+磁盘SSD优点：性能好、功耗低、抗震防摔、无噪声、身形小巧百变。
固态硬盘SSD学习笔记：SSD主控
qq_41285194的博客
11-30 3177
SSD作为数据存储设备，其实是一种典型的单机系统（Soc），有主控CPU,RAM,操作加速器，总线，数据编码译码等模块。操作对象为协议，数据命令，介质。操作目的是写入和读取用户数据。如这款主控采用ARM CPU，主要分为前端和后端两大部分。前端和主机打交道，接口可以是SATA,PCIe,SAS等。后端跟闪存打交道并完成数据编解码和ECC。除此之外还有缓冲,DRAM。模块之间通过AXI高速和APB低速总线互联互通，完成信息和数据的通信。
固态硬盘SSD学习笔记：闪存
qq_41285194的博客
12-07 2455
固态硬盘的工作原理很多是基于闪存特性的。比如闪存在写之前必须先擦除，不能覆盖写，于是固态硬盘才需要垃圾回收；闪存每个块擦写次数达到一定值后，这个快要么变成坏块，要么存储在上面的数据不可靠，所以固态硬盘固件必须做磨损平衡，让数据平均写在所有块上，而不是盯着几个块拼命写（不然盘很快就废了）。还有很多例子，固态硬盘内部很多算法都是在为闪存服务。闪存是一种非易失性存储器，也就是掉电了数据也不会丢失。闪存基本存储单元（cell）是一种类NMOS的双层浮栅（Floating Gate）MOS管。 在源极（Source
SSD算法学习笔记
weixin_52408777的博客
04-26 621
SSD算法，其英文全名是Single Shot MultiBox Detector，Single Shot指明了SSD算法属于one-stage方法，MultiBox指明了SSD是多框预测。 SSD算法特点： 1.SSD采用CNN直接进行检测 2.SSD提取不同尺度特征图做检测，大尺度特征图（较靠前的特征图）可以用来检测小物
ssd_voc_mAP_python脚本文件.zip
12-02
SSD的mAP的python3脚本文件，直接运行可得到mAP - 也可用于其他目标检测模型：mobilenet-ssd, yolo, faster rcnn - voc_eval.py - reval_voc.py
【目标检测算法】SSD学习笔记
littlemichelle
01-27 296
由于在经过多层的前向卷积运算之后，输出的特征图将变得比较小，则特征图上的一个像素点便对应着原图中较大的区域，这样的结构就很难检测较小物体。因此SSD就将中间过程输出的特征图也用来做回归和分类，可以看成一个多尺度检测的过程，保证了空间尺度上的完备性，可以有效检测出较小的物体。 SSD主要是加入卷积特征层，得到不同尺度的特征层，从而实现多尺度目标检测。对于每个添加的特征层，使用一组卷积滤波器，可...
SSD自学笔记
m0_54146002的博客
01-07 1726
ssd发布于ECCV2016 ，是一个非常经典的one-stage网络。 网络结构 上图为SSD的网络结构。输入图像，将其缩放到300*300，然后经过特征提取网络VGG16（贯穿到Conv5的第三层）。后续经过一系列的操作得到6个预测特征层。浅层提取的特征用来检测小目标，随着网络的加深语意信息不断增强，深层网络用来预测大的目标。这样就实现了在不同尺度上去匹配对应的目标，后来的YOLO也是这个思想。 Default Box的scale以及aspect设定 对于aspect，conv4_.
SSD论文笔记
晓峰博客笔记
06-13 219
参考： https://blog.csdn.net/u010167269/article/details/52563573 https://www.cnblogs.com/xuanyuyt/p/7447111.html
SSD学习笔记---2022年3月23日
m0_51265528的博客
03-23 3626
SSD SSD用的是一种one-stage模型 SSD采用的主干网络是VGG网络。 SSD直接采用卷积对不同的特征图来进行提取检测结果。对于形状为m x n x p 的特征图，只需要采用3X3XP这样比较小的卷积核得到检测值。 SD采用VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征图以用于检测。SSD的网络结构如下图所示。上面是SSD模型，下面是Yolo模型，可以明显看到SSD利用了多尺度的特征图做检测。模型的输入图片大小是300X300。 conv 表示卷积层。 VGG M
SSD原理学习笔记
weixin_42238387的博客
11-08 793
本文为清华大学存储课程的学习笔记，以及一些体会，图片主要来自课程的PPT，附带一些Note来做补充说明。 非遗失性存储主要介于Storage以及Memory之间，延时在100-1000ns，非常接近Memory的60ns，而远高于Storage的性能。 传统的磁盘由于机械式的部件，使得性能非常慢 - 两个马达要转 该图表现出，从1990年开始磁盘的延迟在不断降低，直到2005左右，就基本没变化了。 带宽也是，2000年之后变化就比较少...
SSD-Tensorflow 目标检测（VOC2007）
红叶谷 wsp_1138886114的博客
12-13 7043
文章目录一、准备工作 一、准备工作 第一步：下载代码与数据集 下载SSD框架本地，解压。SSD源码下载: https://github.com/balancap/SSD-Tensorflow 下载数据集 http://host.robots.ox.ac.uk/pascal/VOC/voc2007/ 第二步：在解压出来的主目录下依次创建tfrecords_、train_model文件夹 tfre...
VOC2007和COCOmAP计算
m0_53482010的博客
04-14 1983
VOC2007和COCOmAP计算前言一、VOC 评价标准二、COCO 评价标准 前言 之前看了很多文章，一直搞不清楚mAP的具体计算方法，自己手推了一下，在此记录一下。 一、VOC 评价标准 这里只介绍07年的方法：首先设定一组阈值，[0, 0.1, 0.2, …, 1]。然后对于recall大于每一个阈值（比如recall>0.3），都会得到一个对应的最大precision。这样，就计算出了11个precision。AP即为这11个precision的平均值。这种方法英文叫做11-point in
SSD 详解
热门推荐
slamer的专栏
03-27 1万+
SSD 参考： SSD: Single Shot MultiBox Detectordeepsystems.io 背景介绍： 基于“Proposal + Classification” 的 Object Detection 的方法，R-CNN 系列（R-CNN、SPPnet、Fast R-CNN 以及 Faster R-CNN），取得了非常好的结果，但是在速度方面离实时效
opencv学习笔记
最新发布
06-25
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了大量的图像处理和计算机视觉功能，常用于机器学习、机器人技术、视频分析等领域。学习OpenCV的笔记可能会包括以下几个部分： 1. **安装与配置**：如何在不同的操作系统（如Windows、Linux或macOS）上安装OpenCV库，以及与Python或其他语言的集成。 2. **基本概念**：介绍像素、图像类型、通道等基本概念，以及OpenCV的数据结构（如Mat或Image）。 3. **图像读写**：使用OpenCV读取和保存图片、视频文件的函数。 4. **图像处理**：基础操作如图像缩放、旋转、裁剪、滤波器（如高斯滤波、边缘检测）。 5. **特征检测与描述**：SIFT、SURF、ORB等特征点检测算法，以及描述子的计算。 6. **物体识别与分类**：使用Haar级联分类器进行物体检测，以及深度学习方法（如SSD、YOLO）的应用。 7. **机器学习应用**：比如人脸识别、行人检测、车牌识别等领域的案例。 8. **计算机视觉算法**：例如图像分割、光流估计、立体视觉等高级技术。 9. **实践项目**：提供一些实战项目，帮助巩固理论知识，并提升实际操作能力。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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