目标检测
文章平均质量分 89
深度瞎学汪
这个作者很懒,什么都没留下…
展开
-
fast r cnn 论文疑惑解答
RCNN通过卷积神经网络提取图像特征,第一次将目标检测引入了深度学习领域。SPPNet通过空间金字塔池化,避免了对于同一幅图片多次提取特征的时间花费。但是无论是RCNN还是SPPNet,其训练都是多阶段的。首先通过ImageNet预训练网络模型,然后通过检测数据集微调模型提取每个区域候选的特征,之后通过SVM分类每个区域候选的种类,最后通过区域回归,精细化每个区域的具体位置。为了避免多阶段训练,同时翻译 2017-11-22 15:06:44 · 497 阅读 · 2 评论 -
Faster - R - CNN 详解
摘要言归正传,目标检测领域由RCNN开始,通将引入卷积神经网络取得了长足的进展,但是始终未能摆脱传统区域建议算法的限制。Fast RCNN提到如果去除区域建议算法的话,网络能够接近实时,而selective search方法进行区域建议的时间一般在秒级。产生差异的原因在于卷积神经网络部分运行在GPU上,而selective search运行在CPU上,所以效率自然是不可同日而语。一种可以想到的解决策翻译 2017-11-24 11:42:22 · 1086 阅读 · 0 评论 -
tensorflow 中的object-detction API 使用指南
熟悉TensorFlow的人都知道,tf在Github上的主页是:tensorflow,然后这个主页下又有两个比较重要的repo(看star数就知道了),分别是TensorFlow的源代码repo:tensorflow/tensorflow,还有一个tensorflow/models。后者tensorflow/models是Google官方用TensorFlow做的各种各样的模型,相当于示例代码,比转载 2017-11-25 14:30:45 · 4066 阅读 · 0 评论 -
初窥卷积网络感受野
感受野(receptive field)作为卷积神经网络(CNN)中最重要的概念之一,我们对它的重视程度是远远不够的! 学了这么久的网络,突然间发现自己好像啥也不是很透彻,啥都能扯点。。这样的学习方式应该受到批评! 导师教导我们:工作不细就是失误,操作失误就是犯罪 。哈哈 。。。泄密必被抓。。抓住必杀头。。蜜汁尴尬 好了现在来说说卷积网络的感受野到底是什么吧。感受野是指CNN结构中某个特征映射到原创 2017-12-05 21:06:27 · 1442 阅读 · 1 评论