目标检测相关神经网络
文章平均质量分 94
我去喝咖啡了
这个作者很懒,什么都没留下…
展开
-
笔记二 | Rich feature hierarchies for accurate object detection and semantic segmentation
分为三个部分第一部分 region proposal方法 selective search第二部分 Feature extraction从每个region proposal中提取4096维的特征向量【方法】the Caffe implementation of the CNN Krizhevsky等人网络传播在进行特征提取前,需要先将每个建议框调整到227×227第三部分 训练SVM训练...原创 2022-01-17 12:09:32 · 438 阅读 · 0 评论 -
笔记三|Fast R-CNN
Fast R-CNN基于RCNN和SPP-Net的思想1 Fast R-CNN结构1.1特征提取与RoI网络组成的思路类似于RCNN,网络的输入为整幅的待检测图像,使用VGG16等图像分类网络中的卷积部分,对图像进行特征提取,得到最终的特征图。RoI(Regions of Interest):感兴趣区域,是proposal(原图的红框区域)在特征图(Figure 1 中是Conv feature map)上的对应区域(灰色区域部分)个人理解:用卷积网络在原图提取特征时,结果是整幅..原创 2021-09-29 18:47:06 · 406 阅读 · 0 评论 -
神经网络一 | ImageNet Classification with Deep Convolutional Neural Networks
一 大量数据集与大规模网络训练1.1个人简单理解该文章设计目的是能够学习大规模,高分辨率的图像数据集且具备足够学习能力的网络。如此一来就免不了对网络的宽度和深度有较高的要求,与此同时网络参数的数量和计算量也是庞大的。作者首先确定使用CNNs的架构,这样做减少了神经层之间的连接以及参数量,便于训练,且性能相比标准的具有相似尺寸大小的网络层的前馈神经网络只是轻微的下降。之后作者在框架中引入了几个设计,如ReLU的使用,数据集的扩增等等,提高了CNN网络的性能,还有就是GPU的使用硬性保证了大规.原创 2021-09-05 12:33:45 · 1080 阅读 · 0 评论