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
机器学习研究组 1 周前
介绍
目标检测支持许多视觉任务,如实例分割、姿态估计、跟踪和动作识别,这些计算机视觉任务
在监控、自动驾驶和视觉答疑等领域有着广泛的应用。随着这种广泛的实际应用,目标检测自
然成为一个活跃的研究领域。我们在 Fynd 的研究团队一直在训练一个行人检测模型来支持我
们的目标跟踪模型。在本文中,我们将介绍如何选择一个模型架构,创建一个数据集,并为我
们的特定用例进行行人检测模型的训练。
什么是目标检测
目标检测是一种计算机视觉技术,它允许我们识别和定位图像或视频中的物体。目标检测可以
理解为两部分,目标定位和目标分类。定位可以理解为预测对象在图像中的确切位置(边界
框),而分类则是定义它属于哪个类(人/车/狗等)。
目标检测方法
解决目标检测的方法有很多种,可以分为三类。
� 级联检测器:该模型有两种网络类型,一种是 RPN 网络,另一种是检测网络。一
些典型的例子是 RCNN 系列。
� 带锚框的单级检测器:这类的检测器没有单独的 RPN 网络,而是依赖于预定义的
锚框。YOLO 系列就是这种检测器。
� 无锚框的单级检测器:这是一种解决目标检测问题的新方法,这种网络是端到端
可微的,不依赖于感兴趣区域(ROI),塑造了新研究的思路。要了解更多,可
以阅读 CornerNet 或 CenterNet 论文。
什么是 COCO 数据集
为了比较这些模型,广泛使用了一个称为 COCO(commonobjectsincontext)的公共数据
集,这是一个具有挑战性的数据集,有 80 个类和 150 多万个对象实例,因此该数据集是初始
模型选择的一个非常好的基准。
如何评估性能
评估性能我们需要评价目标检测任务的各种指标,包括:
� PASCAL VOC 挑战(Everingham 等人。2010 年)
� COCO 目标检测挑战(Lin 等人。2014 年)
� 开放图像挑战赛(Kuznetsova 2018)。
要理解这些指标,你需要先去理解一些基本概念,如精确度、召回率和 IOU。以下是公式的简
要定义。
*均精度
剩余18页未读,继续阅读
资源评论
极客11
- 粉丝: 355
- 资源: 1460
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