2016年12月_Wonder233

12月 11月 10月 08月 07月 03月

原创 RCNN学习笔记(3)：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》

Abstract 目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和Fast R-CNN[5]这些网络已经减少了检测网络的运行时间，这时计算区域建议就成了瓶颈问题。本文中，我们介绍一种区域建议网络（Region Proposal Network, RPN），它和检测网络共享全图的卷积特征，使得区域建议几乎不花时间。RPN是一个全卷积网络，在每个位置同时预测目标边界和

2016-12-26 14:10:21 5392

原创 RCNN学习笔记(2)：Fast R-CNN

Fast-RCNN建立在之前的深度卷积神经网络上进行有效的分类及目标检测。但是它使用了几个创新点来提高训练及测试速度，并且也提高了检测精度。

2016-12-17 11:43:24 26888 16

原创 RCNN学习笔记(1)：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》论文笔记

Abstract 在现有的CNN中，对于结构已经确定的网络，需要输入一张固定大小的图片(e.g. 224×224)。那么检测各种大小的图片的时候，需要经过裁剪，或者缩放等一系列操作，这样往往会降低识别检测的精度。在这篇论文中,作者使用池化策略，“空间金字塔池化”，来消除上述影响。这个新的网络SPP-net，使得构建的网络，可以输入任意大小的图片，不需要经过裁剪缩放等操作。这个新的网络在目标检

2016-12-14 22:12:39 1974 1