Dean0731
目标检测_0
关注作者
前往小程序,Get
更优
阅读体验!
立即前往
腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
Dean0731
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
社区首页
>
专栏
>
目标检测_0
目标检测_0
Dean0731
关注
发布于 2020-05-08 15:48:06
191
0
发布于 2020-05-08 15:48:06
举报
文章被收录于专栏:
blog-技术博客
blog-技术博客
目标检测
rcnn:根据颜色等特征,将图像分为许多小区域(一般情况下颜色相同的都是一类物体)
合并区域,然后进行区域内的物体检测 即到卷积中进行预测(每个框一个卷积网络)
缺点:找到的框太多
fast-rcnn:整张图片卷积得到特征图
图片映射到特征图,
faster-rcnn:RPN 层,根据标注中框的位置,让卷积网络自己学习框应该在哪 (在特征图上提取框)
怎么学习?
有基数128,256,512,3种方式
对于一个像素点生成9个框,以他为中心
128*256,256*128,128*128
256*512,512*256,256*256
512*512,512*1024,1024*512
数据
或获途径
Benchmark是一个行业的基准(数据库,论文,源码,结果)。 face benchmark或
MPII Human Pose Dataset
论文
论坛或者交流社区 如thinkface
处理
正样本:裁剪,根据标注把目标裁剪出来,例如人脸,可使用opencv工具
负样本:随便选择的框,可与正样本重叠,但不能太多 这个比例 成为 inception open union (Iou) 一般为0.3,小于0.3为负样本 大于0.7为正样本(当做遮蔽的数据),中间的舍弃
根据不同框架数据集格式生成数据集
训练
Input Image 227*227*3
Conv1
num_output=96 特征图数量
kernel_size=11 卷积核大小
stride=4 滑动步长
input:55*55*96
relu
Pool
kernel_size=3,
stride=2
input:27*27*96
经过多层卷积,,激活,池化,(偶尔还有规范化)
全连接层 4096*1
激活
drop
全连接分类n*1
本文参与
腾讯云自媒体分享计划
,分享自作者个人站点/博客。
原始发表:2019-11-30 ,如有侵权请联系
cloudcommunity@tencent.com
删除
前往查看
神经网络
机器学习
深度学习
人工智能
kernel
本文分享自
作者个人站点/博客
前往查看
如有侵权,请联系
cloudcommunity@tencent.com
删除。
本文参与
腾讯云自媒体分享计划
,欢迎热爱写作的你一起参与!
神经网络
机器学习
深度学习
人工智能
kernel
评论
登录
后参与评论
0 条评论
热度
最新
推荐阅读
LV.
关注
文章
0
获赞
0
目录
目标检测
数据
训练
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
0
0
0
推荐