目标检测一些相关知识(持续更新ing)

一、常用的一些卷积神经网络有:AlexNet, VGGNet, GoogLeNet, ResNet、LeNet5。

1. AlexNet
在这里插入图片描述

2.VGGNet
在这里插入图片描述
3.GoogLeNet
在这里插入图片描述
4.ResNet
在这里插入图片描述
5.LeNet5
在这里插入图片描述
二、常用的区域搜索方法
RCNN生成滑动窗口的时候使用的是选择性搜索算法,选择性搜索算法就是先设定一些大的和小的窗口,然后对窗口之间计算相似度(可以通过颜色、纹理、大小和形状交叠计算,也可以计算它们的加权值),给小的窗口赋予大的权重,然后把小的窗口进行合并,得到最有可能的目标窗口。(也是一种聚类算法。)

选择性搜索算法用于为物体检测算法提供候选区域,它速度快,召回率高。选择性搜索算法需要先使用《Efficient Graph-Based Image Segmentation》论文里的方法产生初始的分割区域,然后使用相似度计算方法合并一些小的区域。

版权声明:本文为CSDN博主「水墨微凉~」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/Wu234321/article/details/122346615

水墨微凉~

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

CVPR2021: Sparse R-CNN新的目标检测模型

今天我们将讨论由四个机构的研究人员提出的一种方法,其中一个是字节跳动人工智能实验室。他们为我们提供了一种新的方法,称为稀疏R-CNN(不要与 Sparse R-CNN 混淆,后者在 3D 计算机视觉任务

实战深度学习目标检测:RCNN (1)

深度学习目标检测:RCNN 什么是目标检测?目标检测主要是明确从图中看到了什么物体?他们在什么位置。传统的目标检测方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域&#xff0c