當前位置：首頁 > 人工智能 > 目标检测 >内容正文

目标检测

目标检测-twostage

發布時間：2023/12/14 目标检测 37 豆豆

生活随笔收集整理的這篇文章主要介紹了目标检测-twostage 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

R-CNN

兩大貢獻：1.引入CNN 2.引入fine-tune的方法

Two-stage方法：1.Region Proposal 2.對區域內物體進行分類

trick：1.根據Iou對RP進行過濾 2.在進行邊框regression的時候，加入log對損失函數大小進行控制

缺點：速度慢，需要訓練三個模型（RP，classify，regression）

Selective search：

三個主要優點	捕捉不同尺度、多樣化、快速計算
兩步	Hierarchical Grouping Algorithm、Diversification Strategies
【1】基于相似度	(1)計算所有鄰近區域之間的相似性； (2)兩個最相似的區域被組合在一起； (3)計算合并區域和相鄰區域的相似度； (4)重復2、3過程，直到整個圖像變為一個地區。在每次迭代中，形成更大的區域并將其添加到區域提議列表中
【2】多樣性	(1)利用各種不同不變性的色彩空間； (2)采用不同的相似性度量； (3)通過改變起始區域。此部分比較簡單，不詳細介紹，作者對比了一些初始化區域的方法，發現方法[1]效果最好。

Fast?R-CNN

貢獻：1.共享計算，解決RCNN中CNN對每個region進行運用的問題?2.引入Roi pooling

3.同時進行分類和回歸操作

Two-stage方法

Roi?pooling：先講ROI分成相同數目的部分，再對每部分進行maxpooling，

就可以得到長度相同的feature?map

Faster?R-CNN

貢獻：1.引入RPN，實現目標檢測的端對端?2.

Two-stage方法

RPN：

1.在滑動窗口中生成大小長寬比例各不相同的anchor box

2.將坐標和anchor?box中是否有物體作為樣本送入RPN中

以上是生活随笔為你收集整理的目标检测-twostage的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。