目标检测
文章平均质量分 95
时光杂货店
这个作者很懒,什么都没留下…
展开
-
Faster R-CNN 简单梳理
Faster R-CNN 简单梳理从R-CNN到Fast R-CNN,再到Faster R-CNN,目标检测的四个基本步骤(候选区域生成,特征提取,分类,位置精修)被统一到一个深度网络框架之内。所有计算没有重复,全部都在GPU中完成,大大提高了运行速度。 三个框架的示意图如下: 1 亮点Faster R-CNN可以看做“区域生成网络+Fast R-CNN“的系统,其中区域生成网络代替了Fast原创 2016-11-07 22:22:52 · 1851 阅读 · 4 评论 -
FCN 简单梳理
FCN 简单梳理全卷积网络(Fully Convolutional Network)将CNN应用到了图像语义分割领域。 图像语义分割,就是对一张图片上的所有像素点进行分类。以往的CNN都是对整张图片进行分类,不能识别图片中特定部分的物体,而全卷积网络是对一张图片中的每个像素进行分类,以此达到对图片特定部分进行分类的效果。1 卷积化(convolutionalization)卷积化 以往分类的网络原创 2016-11-09 00:09:09 · 20813 阅读 · 12 评论 -
R-CNN 简单梳理
R-CNN 简单梳理作者:xg123321123出处:http://blog.csdn.net/xg123321123/article/details/52854883声明:版权所有,转载请联系作者并注明出处1 亮点 R-CNN将卷积神经网络应用到了自底向上的目标定位; 以往的目标检测算法使用滑窗法(传统的SIFT,HOG等方法)依次判断所有可能的区域;而R-CNN是预先提取一系列较可能是物体的候选原创 2016-11-05 21:57:21 · 2344 阅读 · 0 评论 -
Fast R-CNN 简单梳理
Fast R-CNN 简单梳理作者:xg123321123出处:http://blog.csdn.net/xg123321123/article/details/53067518声明:版权所有,转载请联系作者并注明出处Fast R-CNN是R-CNN的改进版。1 亮点 Fast R-CNN将整张整张图片归一化之后直接送入深度网络,邻接时才加入候选框信息,只有末尾的少数几层才处理每个候选框;相比之下,原创 2016-11-07 16:38:00 · 8039 阅读 · 0 评论