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

【目标检测】锚框

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 前言 【个人学习笔记记录,如有错误,请指正!】 一、锚框 理解锚框之前,我们需

yolo-fastest模型

两个关于yolo-fastest的资料 https://github.com/dog-qiuqiu/Yolo-FastestV2/ https://github.com/dog-qiuqiu/Yolo-Fastest

手把手教你实现YOLOv3 (一)

1. 引言 最近整理了YOLO系列相关论文阅读笔记,发现仅仅靠阅读论文还是有很多内容一知半解,吃得不是很透彻. 尽管网络上有很多博客都在讲解,但是很多实现细节细究起来还是有些困难. 俗话说的好: Talk is cheap. Show me