没有合适的资源?快使用搜索试试~ 我知道了~
介绍SPPnets,其创新点在于计算整幅图像的the shared feature map,然后根据object proposal在shared feature
资源详情
资源评论
资源推荐
第⼋章第⼋章 ⽬标检测⽬标检测
DeepLearning
1
1
1
2
2
3
3
3
5
7
10
14
17
18
18
20
22
24
28
29
31
37
39
40
41
41
43
43
44
44
45
47
49
49
49
49
50
50
50
50
⽬录
第⼋章第⼋章 ⽬标检测⽬标检测
8.1 基本概念
8.1.1 什么是⽬标检测?
8.1.2 ⽬标检测要解决的核⼼问题?
8.1.3 ⽬标检测算法分类?
8.1.4 ⽬标检测有哪些应⽤?
8.2 Two Stage⽬标检测算法
8.2.1 R- CNN
8.2.2 Fast R- CNN
8.2.3 Faster R-CNN
8.2.4 R- FCN
8.2.5 FPN
8.2.6 Mask R- CNN
8.3 One Stage⽬标检测算法
8.3.1 SSD
8.3.2 DSSD
8.3.3 YOLOv1
8.3.4 YOLOv2
8.3.5 YOLO9000
8.3.6 YOLOv3
8.3.7 RetinaNet
8.3.8 RFBNet
8.3.9 M2Det
8.4 ⼈脸检测
8.4.1 ⽬前主要有⼈脸检测⽅法分类?
8.4.2 如何检测图⽚中不同⼤⼩的⼈脸?
8.4.3 如何设定算法检测最⼩⼈脸尺⼨?
8.4.4 如何定位⼈脸的位置?
8.4.5 如何通过⼀个⼈脸的多个框确定最终⼈脸框位置?
8.4.6 基于级联卷积神经⽹络的⼈脸检测(Cascade CNN)
8.4.7 基于多任务卷积神经⽹络的⼈脸检测(MTCNN)
8.4.8 Facebox
8.5 ⽬标检测的技巧汇总
8.6 ⽬标检测的常⽤数据集
8.6.1 PASCAL VOC
8.6.2 MS COCO
8.6.3 Google Open Image
8.6.4 ImageNet
8.7 ⽬标检测常⽤标注⼯具
8.7.1 LabelImg
第⼋章 ⽬标检测
8.1 基本概念
8.1.1 什么是⽬标检测?
8.1.2 ⽬标检测要解决的核⼼问题?
8.1.3 ⽬标检测算法分类?
8.1.4 ⽬标检测有哪些应⽤?
8.2 Two St age⽬标检测算法
8.2.1 R-CNN
8.2.2 Fast R-CNN
8.2.3 Fast er R-CNN
8.2.4 R-FCN
8.2.5 FPN
8.2.6 Mask R-CNN
8.3 One St age⽬标检测算法
8.3.1 SSD
8.3.2 DSSD
8.3.3 YOLOv1
8.3.4 YOLOv2
8.3.5 YOLO9000
8.3.6 YOLOv3
8.3.7 Ret inaNet
8.3.8 RFBNet
8.3.9 M2Det
8.4 ⼈脸检测
8.4.1 ⽬前主要有⼈脸检测⽅法分类?
8.4.2 如何检测图⽚中不同⼤⼩的⼈脸?
8.4.3 如何设定算法检测最⼩⼈脸尺⼨?
8.4.4 如何定位⼈脸的位置?
8.4.5 如何通过⼀个⼈脸的多个框确定最终⼈脸框位置?
8.4.6 基于级联卷积神经⽹络的⼈脸检测(Cascade CNN)
8.4.7 基于多任务卷积神经⽹络的⼈脸检测(MTCNN)
8.4.8 Facebox
8.5 ⽬标检测的技巧汇总
8.6 ⽬标检测的常⽤数据集
8.6.1 PASCAL VOC
8.6.2 MS COCO
8.6.3 Google Open Image
8.6.4 ImageNet
8.7 ⽬标检测常⽤标注⼯具
8.7.1 LabelImg
8.7.2 labelme
8.7.3 Labelbox
8.7.4 RectLabel
8.7.5 CVAT
8.7.6 VIA
8.7.6 其他标注⼯具
T ODO
参考⽂献
第⼋章 ⽬标检测
8.1 基本概念
8.1.1 什么是⽬标检测?
⽬标检测(Object Det ection)的任务是找出图像中所有感兴趣的⽬标(物体),确定它们的类别和位置,是计算机视觉领
域的核⼼问题之⼀。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的⼲扰,⽬标检测⼀直是计算
第⼋章 ⽬标检测
1/52
机视觉领域最具有挑战性的问题。
计算机视觉中关于图像识别有四⼤类任务:
分类分类-Classif ication:解决“是什么?”的问题,即给定⼀张图⽚或⼀段视频判断⾥⾯包含什么类别的⽬标。
定位定位-Location:解决“在哪⾥?”的问题,即定位出这个⽬标的的位置。
检测检测-Detection:解决“是什么?在哪⾥?”的问题,即定位出这个⽬标的的位置并且知道⽬标物是什么。
分割分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每⼀个像素属于哪个⽬标物或
场景”的问题。
8.1.2 ⽬标检测要解决的核⼼问题?
除了图像分类之外,⽬标检测要解决的核⼼问题是:
1.⽬标可能出现在图像的任何位置。
2.⽬标有各种不同的⼤⼩。
3.⽬标可能有各种不同的形状。
8.1.3 ⽬标检测算法分类?
基于深度学习的⽬标检测算法主要分为两类:
1.Two stage⽬标检测算法⽬标检测算法
先进⾏区域⽣成(region proposal,RP)(⼀个有可能包含待检物体的预选框),再通过卷积神经⽹络进⾏样本分类。
任务:特征提取—>⽣成RP—>分类/定位回归。
常见的two st age⽬标检测算法有:R-CNN、SPP-Net 、Fast R-CNN、Faster R-CNN和R-FCN等。
2.One stage⽬标检测算法⽬标检测算法
不⽤RP,直接在⽹络中提取特征来预测物体分类和位置。
图像识别四⼤类任务,图像来源于cs231n 2016课件Lecture 8
第⼋章 ⽬标检测
2/52
剩余54页未读,继续阅读
KerstinTongxi
- 粉丝: 22
- 资源: 277
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
最新资源
- 以简单、易用、高性能为目标、开源的时序数据库,支持Linux及Windows, Time Series Database.zip
- python-leetcode面试题解之第198题打家劫舍-题解.zip
- python-leetcode面试题解之第191题位1的个数-题解.zip
- python-leetcode面试题解之第186题反转字符串中的单词II-题解.zip
- 一个基于python的web后端高性能开发框架,下载可用
- python-leetcode面试题解之第179题最大数-题解.zip
- python-leetcode面试题解之第170题两数之和III数据结构设计-题解.zip
- python-leetcode面试题解之第168题Excel表列名称-题解.zip
- python-leetcode面试题解之第167题两数之和II输入有序数组-题解.zip
- python-leetcode面试题解之第166题分数到小数-题解.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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
评论0