没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
Faster R-CNN:
Towards Real-Time Object Detection
with Region Proposal Networks
Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun
Microsoft Research, NIPS 2015
Faster R-CNN创新点
解决的问题:
• Fast R-CNN网络已经接近实时,但Selective Search是速度瓶颈,大
约2s/帧,EdgeBoxes也要0.2s/帧
Faster R-CNN主要创新:
• Region Proposal Network(RPN)替代Selective Search
• RPN与Fast R-CNN网络共享卷积特征
成绩:
• 在VGG16上达到5fps
• 73.2% mAP on VOC 07, 70.4% mAP on VOC 12 (300 proposals)
Faster R-CNN结构
Faster R-CNN ≈ RPN + Fast R-CNN
Region Proposal Network(RPN)
RPN是一种全卷积网络(FCN)
在feature map上slide window
小型fully convolutional
network:
•目标分类
•bbox回归
slide window size= n*n,文中
n=3,对应原图感受野171
(ZF)或228(VGG)
FCN:J. Long, E. Shelhamer, and T. Darrell. Fully convolutional networks for
semantic segmentation, CVPR, 2015.
剩余16页未读,继续阅读
资源评论
- FPGA之旅2022-11-09坑人 #标题与内容不符 #毫无价值
- kgl12252021-03-05资源还是可以,谢谢啊
starxhong
- 粉丝: 215
- 资源: 5
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功