1.算法簡介

    《Rich feature hierarchies for Accurate Object Detection and Segmentation》這篇文章的算法思想又被稱之為：R-CNN（Regions with Convolutional Neural Network Features），是物體檢測領域曾經獲得state-of-art精度的經典文獻。

   這篇paper的思想，改變了物體檢測的總思路，現在好多文獻關于深度學習的物體檢測的算法，基本上都是繼承了這個思想，這篇文章解釋了物體檢測和圖片分類的區別：圖片分類不需要定位，而物體檢測需要定位出物體的位置，也就是相當于把物體的bbox檢測出來，還有一點物體檢測是要把所有圖片中的物體都識別定位出來。

paper采用的方法是：首先輸入一張圖片，我們先定位出2000個物體候選框，對于每一個region proposal 都wrap到固定的大小的scale,227*227(AlexNet Input),然后采用CNN提取每個候選框中圖片的特征向量，特征向量的維度為4096維，對于每一個類別，我們都會得到很多的feature vector，然后把這些特征向量直接放到svm現行分類器去判斷，當前region所對應的實物是background還是所對應的

總結

以上是生活随笔為你收集整理的基于FAST-RCNN深度学习的目标识别算法的MATLAB仿真的全部內容，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。