前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >从Bounding Boxes中能够学习什么?

从Bounding Boxes中能够学习什么?

作者头像
计算机视觉研究院
发布2018-04-17 15:38:43
5740
发布2018-04-17 15:38:43
举报
文章被收录于专栏:计算机视觉战队

Where does it come from?

The Third Research Institute of the Ministry of Public Security

基于视频结构化描述的视频语义分析系统

可描述车辆颜色、车型、品牌等,车型类别>1200类

个性化检索、以图搜图等

参与重大案件侦破数十起:桂林爆炸案、苏州抓捕案、亚信反恐…

Bounding Boxes注解

那我们从Bounding Boxes中可以得到什么呢?

1. 目标

2. 负类别

3. Bounding Boxes 投票

之前推送也介绍过检测的Pipeline:

*Fast R-CNN, Ross Girshick, IEEE International Conference on Computer Vision (ICCV), 2015

1. 目标

动机:

  • 正样本必须是目标;
  • 将目标输入到End-to-End的网络PipeLine。

相关工作:

  • BBox的选择;
  • DeepBox;
  • Region proposal networks(RPN)。

过程设置如下:

  • IoU>0.5的区域,标签设置为1,其余都为0;
  • 只使用End-to-End的网络的训练阶段。

2. 负类别

他人方法:设置所有IoU<0.5的区域为不合理区域。

现在的做法:

设置IoU>0.5的为正样本,0.2<IoU<0.5的为负样本,其余的都是背景。

相似的工作如下:

3. Bounding Boxes 投票

在标准的NMS之后,在局部区域中,保持区域bbox有最高的得分;设置区域为R,IoU>0.5,用R∪boxb的方式来进行投票:

检测结果:

*该实验是在CLS数据集上进行的测试

目标定位

最简单的PipeLine:

通过上述的方法(目标、负类别和Bounding Boxes 投票),进行简单实验:

视频中的目标检测

结果:


本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-11-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 计算机视觉战队 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档