目标检测
区域卷积神经网络R-CNN
目标检测 检测图片中所有物体的类别标签,位置(最小外接矩形,bounding box
模块1:提取物体区域Region proposal
模块2:对区域分类识别
RCNN: selective search
优先合并四种区域:颜色相近的 纹理相近的 合并后总面积小的 合并后总面积在其BoundingBox中所占比例大的
RCNN:warp
IoU 两个region的交并比
在ImageNet上对CNN模型进行pre-train=>M
在Selective Search生成的所有区域上对M进行fine-tune(微调)=>M`
正样本(N类):跟Ground-truth重合IoU>=0.5 负样本(1类):IoU < 0.5
在M`的Fc7特征上训练线性SVMs分类器=> C
每个类别(N类)对应一个SVM分类器,正样本:所有Ground-truth区域;负样本:跟ground-truth重合 IoU <0.3的SS区域。
一个类别对应一个SVM分类器,一个猫的分类器来分类是不是猫。<