卷积层上应用滑动窗口(目标检测篇)

1.遍历送入

利用滑动窗口进行目标检测时,低级做法是:滑动一下窗口,送入CNN执行一次分类,再滑一下,再分类

在这里插入图片描述

  • 假设输入CNN的图片为14x14x3,测试图片为16x16x3。
    那就需要移动窗口(窗口大小:14x14x3),得到4个14x14x3的图片, 分别将其输入CNN,得到4个结果。

2.一次性送入图片到网络中

那我们可不可以一次性送入整张图片,直接得到所有滑动窗口的结果呢?将后面的FC全部转成卷积层

在这里插入图片描述
在这里插入图片描述

  • 但是你会发现有很多卷积操作是重复的,其实我们可以将整张16x16x3的图输入CNN,如上图所示,最后得出4个小方块,其实每个小方块对刚好就是对应的一个滑动窗口的预测结果

版权声明:本文为CSDN博主「ToolMan萤火虫」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_47397155/article/details/122698638

ToolMan萤火虫

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

yolov5训练数据集划分

yolov5训练数据集划分 按照默认8:1:1划分训练集,测试集,验证集。 txt文件出现在imageset文件夹。 import os import randomtrainval_pe

深度学习之目标检测YOLOv5

一.简介 YOLOV4出现之后不久,YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进,检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析&#xff0