论文翻译
文章平均质量分 78
xjc864588399
这个作者很懒,什么都没留下…
展开
-
xjc-beyond sliding windows-Object Localization by Efficient Subwindow Search
摘要 绝大多数成功的物体认知系统都依赖于二值分类,但它们只是判断一个物体当前存在还是不存在,不给出实际物体的位置信息。为了实现定位,人们可以利用动滑窗口的方法,但是这种方法由于分类器函数必须评估大量的候选子窗口,会大大增加计算量。 在这篇文章中,我们提出一种简单但是非常强大的分支限界法。它能使基于所有可能的子图像的大类分类函数效率最大化。它将求解全局最优化问题的时间转化成亚线性。原创 2016-01-11 12:09:29 · 1224 阅读 · 0 评论 -
ImageNet2017 周记之第一周
首先,是调研,自己之前使用CNN做的都是分类任务,对检测了解一些,但是了解的不多,所以看了许多论文和一些博客。按照CNN 做目标检测的时间发展顺序介绍。 RCNN,首先使用selectivesearch得到许多候选框,然后将这些候选框resize到一个固定相同的大小,使用CNN 预训练的网络提取特征,每个特征都对应一个SVM 分类器,判别该类属于类别,使用一个线性脊回归器进行精修框的位置。特点是原创 2017-07-05 11:35:28 · 694 阅读 · 0 评论