基于深度学习的目标检测(笔记)
文章平均质量分 62
萝卜丝。
这个作者很懒,什么都没留下…
展开
-
目标检测(一)
深度方法1,表示(数据驱动表示学习机制)(1)根据训练数据自适应地构造特征提取器(2)需要大量带标注的数据(3)学习过程中和所学到表示难以进行解释(可视化)2,模型(高度非线性)(1)能有效建模物体的复杂变化模式(2)能够方便的从单类别扩展至多类别(3)特征提取和分类器可以整体进行端到端训练(4)模型的计算复杂度高、(5)理论上难以分析,泛化,收敛,样本复杂度高2,两大类典型...转载 2019-08-05 14:07:07 · 217 阅读 · 0 评论 -
目标检测(二)
单阶段检测器(1)yolo1)网格式的检测方式2)综合整张图的信息预测各个位置的物体3)yolo(2015), yolo9000(2016)(2) ssd1)吸纳两阶段检测器的优秀设计,并进行改良2)ssd(2015),dssd(2017)(3)retinanet(2017)1)大幅度提升单阶段检测器的精度yolo(1)方法:1)将图像划分成网格,在每个网格中预测物体边框...转载 2019-08-06 14:19:34 · 188 阅读 · 0 评论 -
目标检测(三)
目标检测评价(1)评价方式1)交并比:2)匹配策略:贪心算法:按照得分从高到低顺序遍历,搜索满足交并比阀值的检测框,大部分数据集采用这种方式进行评测。匈牙利算法:将匹配建模成一个分配问题,最大化总的交并比,fddb人脸检测数据集采用这种方式对检测框进行匹配3)检测框匹配动态交并比阀值:不同大小的框对交并比的敏感程度不同,imagenet在评测时对较小的物体会放宽交并比阀值(例:20...转载 2019-08-06 15:43:57 · 201 阅读 · 0 评论