【论文笔记】Scalable Object Detection using Deep Neural Networks

最新推荐文章于 2022-09-16 09:12:52 发布
最新推荐文章于 2022-09-16 09:12:52 发布
阅读量9.1k 收藏 13
点赞数 3
分类专栏： object recognition machine learning Deep Learning 文章标签： computer vision machine learning Object Recognition
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/xiaozhi_chen/article/details/20943123
版权
本文提出了使用深度神经网络（DNN）解决物体检测问题的新方法，通过回归模型定位bounding box并用分类器识别，有效降低了计算复杂度，适用于大规模数据集。相较于传统方法，该方法在检测时间和类别数目上表现出更好的线性关系，并且能够扩展到未知类别。实验在VOC 2007和ILSVRC 2012上验证了其性能。
摘要由CSDN通过智能技术生成

Paper:  Erhan, D., Szegedy, C., Toshev, A., & Anguelov, D. (2014).  Scalable Object Detection using Deep Neural Networks . CVPR.

Goal

    将基于DNN 的物体检测方法扩展到大规模数据集上。

Contribution

  • 将物体检测问题定义为输出为多个bounding box 的回归问题。每个bounding box 同时输出坐标和置信度，使得模型更加紧凑和高效。
  • 利用DNN 同时学习数据的表示和bounding box 检测器。
  • 在无类别监督的条件下训练box 检测器，使得该方法的计算复杂度几乎不受物体类别的影响，因此适合于大规模物体检测问题。该方法还可以推广到未知的类别。

DPM 的问题：

  • Sliding windows 需要在多个尺度上进行穷尽搜索，时间代价高。Branch-and-bound [1]策略避免了这个问题。
  • 检测时间和类别数目成线性关系，不利于大规模检测问题。使用低维共享的基[2] 和哈希方法
最低0.47元/天 解锁文章
tic-toc
关注
  • 3
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
SSD之前的准备:Scalable Object Detection using Deep Neural Networks
xbcReal的博客
07-28 1447
在阅读SSD的论文的时候，看到在论文中提及过好几次的MultiBox算法，为了便于对SSD能够有一个更好的理解，便决定先阅读MultiBox算法的论文，也就是这篇博客要介绍的论文:Scalable Object Detection using Deep Neural Networks。MultiBox算法的全称叫做DeepMultiBox，是一种用来生成候选区域的方法，这里的候选区域类似于在R-CN
Scalable Object Detection using Deep Neural Networks笔记
fangfang的专栏
12-15 2885
解决的问题： 将深度网络应用到多object，并且object未知的情况。 整体思路： 用CNN（DNN（AlexNet））预测一系列的bounding box，每一个bounding box都会有对应的一个分数，这个分数就是box里有没有物体的置信度。 创新点： 本文主打的就是scalable，可扩展性，具体是指物体类别增多的情况下，bounding b
Scalable Object Detection using Deep Neural Networks(泛读)
小胜爱捣鼓
10-03 3343
一.文献名字和作者     Scalable Object Detection using Deep Neural Networks， CVPR2014     二.阅读时间      2014年10月3日 三.文献的贡献点    文献主要提出了使用DNN用于物体检测，主要的贡献点有下面三个：    1.将物体检测问题定义为一个多个边框的坐标的回归问题；    2.将边
Scalable Object Detection using Deep Neural Networks
weixin_36670529的博客
09-16 536
一、摘要 深度卷积神经网络最近在一系列图像识别基准测试中取得了最先进的性能，包括ImageNet大规模视觉识别挑战(ILSVRC-2012)。在定位子任务中获胜的模型是一个网络，它预测一个边界框和图像中每个目标类别的置信度得分。这样的模型捕获目标周围的整个图像上下文，但是如果不天真地复制每个实例的输出数量，就不能处理图像中相同目标的多个实例。在这项工作中，我们提出了一个显著性激发的神经网络模型用...
论文提要“Scalable Object Detection using Deep Neural Networks”
cv_family_z的博客
06-11 3842
论文提要“Scalable Object Detection using Deep Neural Networks”与之前主流检测方法DPM不同，论文提出了一种名为“DeepMultiBox”的方法产生比较少量的目标候选框，这些候选框是使用DNN（Deep Neural Network）生成的与目标类别无关的区域。 1.主要贡献： 1）将目标检测定义为几个bounding bo
Deep Learning with TensorFlow: Explore neural networks with Python
07-29
world datasets, including images, text, and moreLearn how to evaluate the performance of your deep learning modelsUsing deep learning for scalable object detection and mobile computingTrain machines ...
Scalable Prototype Learning using GPUs
02-09
Scalable Prototype Learning using GPUs
DeepSort-Scalable Sorting with High Efficiency.pdf
最新发布
07-25
deepsort
论文阅读node2vec Scalable Feature Learning for Networks1
08-04
这篇名为“node2vec Scalable Feature Learning for Networks”的论文，由Grover和Leskovec在2016年发表，主要探讨了如何有效地学习大规模网络中节点的特征表示，以便进行各种网络预测任务，如节点分类和连接预测。...
目标检测--Scalable Object Detection using Deep Neural Networks(CVPR 2014)
weixin_30834019的博客
11-23 187
Scalable Object Detection using Deep Neural Networks 作者:Dumitru Erhan, Christian Szegedy, Alexander Toshev, and Dragomir Anguelov 引用:Erhan, Dumitru, et al. "Scalable object detection using deep ne...
论文翻译——Scalable Object Detection using Deep Neural Networks
m0_37857151的博客
11-06 939
Scalable Object Detection using Deep Neural Networks 作者：Dumitru Erhan,Christian Szegedy, Alexander Toshev等 发表时间：2013 Abstract Deep convolutional neural networks have recently achieved state-of-the...
目标检测-- DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling
AI小作坊 的博客
09-05 5375
DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling ICCV2017 An easily extendedTheanobased code： https://github.com/lachlants/denet本文针对候选区域提取这个步骤进行加速： 使用角点提取来初步过滤大部分候选区域我们提出的
【转】目标检测-- DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling
lanyuxuan100的博客
12-22 1024
转自：http://blog.csdn.net/zhangjunhit/article/details/77847873 DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling ICCV2017 An easily extendedTheanobased code： https://githu
「Computer Vision」Notes on DeepMultiBox
小锋子Shawn
11-07 211
QQ Group: 428014259 Sina Weibo：小锋子Shawn Tencent E-mail：403568338@qq.com http://blog.csdn.net/dgyuanshaofeng/article/details/83834290 [1] Scalable Object Detection Using Deep Neural Networks CVPR 2014 ...
论文阅读《DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling》
yj_isee的博客
04-15 4865
arxiv 30/3/2017Abstract作者在这篇文章当中把目标检测问题formulate成估计一个非常大但是很稀疏的概率分布，变量就是所有可能的bounding box，一张输入图像对应的bounding box空间很大，概率P就是bounding box属于各个类别的概率。因为只有极少一部分的bounding box里面是有物体的，因此这个P是稀疏的。只在一些特定的bounding box
贝叶斯优化方法和应用综述
大模型天花板
01-27 7625
贝叶斯优化方法和应用综述 1.摘要 设计类问题在科学研究和工业领域无处不在.作为一种十分有效的全局优化算法,近年来,贝叶斯优化方法在设计类问题上被广泛应用.通过设计恰当的概率代理模型和采集函数,贝叶斯优化框架只需经过少数次目标函数评估即可获得理想解,非常适用于求解目标函数表达式未知、非凸、多峰和评估代价高昂的复杂优化问题.本文从方法论和应用领域两方面深入分析、讨论和展望了贝叶斯优化的研究现状、面临的问题和应用领域,期望为相关领域的研究者提供有益的借鉴和参考. 2.介绍 未完待续 ...
深度学习模型压缩之MobileNetV2
Minskyli
06-02 6435
摘要 1 引言 2 相关工作 3 预备知识、讨论、直觉 3.1 深度可分离卷积 3.2 线性瓶颈(Linear Bottlenecks) 3.3 反向残差(Inverted residuals) 3.4 信息流解释 4 模型结构 5 执行记录 5.1 内存有效管理 6 实验 6.1 ImageNet分类 6.2 目标检测 6.3 语义分割 6.4 模型简化测试(Ablation s...
MXNet中目标检测API使用总结：MultiBoxDetection、MultiBoxPrior、MultiBoxTarget
XiangJiaoJun_的博客
12-01 3081
  MXNet在目标检测提供了许多API供用户调用，灵活使用这些函数能大大降低编程难度，其中跟锚框有关的三个函数MultiBoxDetection、MultiBoxPrior、MultiBoxTarget，我也探索了一段时间，下面总结一下这三个函数的用法吧，也方便自己查阅 常用函数MultiBoxPriorMultiBoxTargetMultiBoxDetection MultiBoxPrior...
评论 5
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