多個目標
思路
區域性識別問題
優點生成候選位置
擴充套件
過程
優點
缺點
候選位置提醋和方法
候選框進行svm分類
fine-tune分類模型
特徵提取
單獨目標探測器訓練
資料集
評估方法
iou
優點
缺點
特徵一致化max pooling
位置+類別 聯合學習
速度快了精度提公升不多
怎麼解決候選區域的生成，也需要靠神經網路嗎？
rpn直接產生候選區域，無需額外生成
直接用於後續特徵圖切割
實現回歸：
生成k個候選區
anchor詳解
anchor的平移不變怎麼理解：
anchor同外接候選區區別：
訓練乙個網路四個損失函式：
精度影響
速度回歸目標
候選區域
實時執行
精度下降
定位精度較差
ssd
完整訓練 端到端
多目標學習
深度學習目標檢測
流程狂徒如下 1 使用selective search提取proposes，然後利用cnn等識別技術進行分類。2 使用識別庫進行預訓練，而後用檢測庫調優引數。3 使用svm代替了cnn網路中最後的softmax，同時用cnn輸出的4096維向量進行bounding box回歸。4 流程前兩個步驟 候...
深度學習 目標檢測理論筆記
主要內容來自於對 專知深度學習 高君宇 教學資料的梳理筆記 和 來自網際網路知識的輔助理解，感謝。目標檢測就是在一張中找到所有的物體並且給出其類別和邊框 bounding box 如圖。早期的目標檢測有很多模型，典型的有基於部件的模型 dpm pedro f在2010年提出來的利用hog對多精度下的...
（深度學習）目標檢測常見術語
簡言之就是基於深度學習目標檢測中提前預設的一組不同尺度不同位置的固定參考框。這個anchor在faster rcnn上面也叫reference boxes，也就是參考框。1.傳統目標檢測 金字塔多尺度 遍歷滑窗的方式，逐尺度逐位置判斷 這個尺度的這個位置處有沒有認識的目標 非常笨重耗時。2.基於深度...