66.物体检测算法:区域卷积神经网络(R-CNN)系列
1. R-CNN
ps:在计算机视觉中,深度学习之前,分类器用的是SVM
2. 兴趣区域(RoI)池化层
目的是为了让每个锚框都可以变成一个自己想要的形状。
3. Fast RCNN
具体步骤如下:
- 对整张图片用CNN抽特征(ps:不是对锚框抽特征),并且抽特征不需要头,就得到7 x 7或者14 x 14的feature map
- 再用选择性搜索在原始图片中搜索到锚框,再把它映射到CNN的输出,CNN的输出是一个feature map,把原图的锚框在feature map中按比例映射。
- 再用RoI Pooling对每个锚框抽取特征,假设如图中所示,抽取之后变成两个长为4的向量。图中黄色框框区域可以把一张图片(100个锚框)变成一个100 x 4的向量,这里先不管通道数。
- 之后再进入全连接层,(注意这里100是100个样本),做分类预测和锚框预测
比之前R-CNN快的原因:不再是对每一个锚框抽取特征,是对整个图片进行特征抽取。
4. Faster R-CNN
使用一个区域提议网络(Region proposal network)来替代之前的启发式搜索来获得更好的锚框。
具体来说,区域提议网络的计算步骤如下:
使用填充为1的的3 x 3卷积层变换卷积神经网络的输出,并将输出通道数记为c。这样,卷积神经网络为图像抽取的特征图中的每个单元均得到一个长度为c的新特征。
以特征图的每个像素为中心,生成多个不同大小和宽高比的锚框并标注它们。
使用锚框中心单元长度为c的特征,分别预测该锚框的二元类别(含目标还是背景)和边界框。
使用非极大值抑制,从预测类别为目标的预测边界框中移除相似的结果。最终输出的预测边界框即是兴趣区域汇聚层所需的提议区域。
5. Mask R-CNN
如果有像素级别的标号,使用FCN来利用这些信息
Mask R-CNN是基于Faster R-CNN修改而来的。 具体来说,Mask R-CNN将兴趣区域汇聚层替换为了 兴趣区域对齐层,使用双线性插值(bilinear interpolation)
来保留特征图上的空间信息,从而更适于像素级预测。 兴趣区域对齐层的输出包含了所有与兴趣区域的形状相同的特征图。 它们不仅被用于预测每个兴趣区域的类别和边界框,还通过额外的全卷积网络预测目标的像素级位置。
RoI Pooling改成了RoI align,因为RoI Pooling对于像素级别不适用,会可能生成像素级的偏移,会导致在边界的地方是预测不准标号的。
RoI align 则是不像之前分割成4、2、2、1,而是直接在中间切开,沿着左右对称的对称轴切开,和上下对称的对称轴切开,这样会存在把一个像素分割的可能,然后再取出一个像素的一小部分。
6. 模型精度比较
从图中可以看出,Faster RCNN精度很高,但是处理很慢。
7. 总结
- R-CNN是最早、也是最有名的一类基于锚框和CNN的目标检测算法
- Faster/Faster R-CNN持续提升性能
- Faster R-CNN和Mask R-CNN是在最求最高精度场景下的常用算法(Mask R-CNN在无人机中应用比较多)
66.物体检测算法:区域卷积神经网络(R-CNN)系列相关推荐
- 医学图像处理医学图像处理-卷积神经网络卷积神经网络_典型的深度学习算法(一):卷积神经网络(CNN)...
通过上一篇文章,相信大家对深度学习的概念.原理已经有了大致了解,近期企通查将会对深度学习中的几种典型算法进行介绍. 在深度学习领域中,已经验证的典型成熟算法有卷积神经网络(CNN).循环神经网络(RN ...
- 自动驾驶感知——激光雷达物体检测算法
文章目录 1. 基于激光雷达的物体检测 1.1 物体检测的输入与输出 1.2 点云数据库 1.3 激光雷达物体检测算法 1.3.1 点视图 1.3.1.1 PointNet 1.3.1.2 Point ...
- 碎片2:大白话讲解Mask R-CNN及常见物体检测算法
文章目录 MASK R-CNN调研报告 1.Introduction 1.1 MASK R-CNN简介 1.2 直觉理解MASK R-CNN 2.Algorithm 2.1已有物体检测算法概述 2.1 ...
- GraspNet:一种用于低功耗器件抓取实时检测的高效卷积神经网络
GraspNet: An Efficient Convolutional Neural Network for Real-time Grasp Detection for Low-powered De ...
- 动手学深度学习之物体检测算法R-CNN,SSD,YOLO
区域卷积神经网络R-CNN R-CNN 首先是使用启发式搜索算法来选择锚框,选出很多锚框之后,对于每一个锚框当作一张图片,使用一个预训练好的模型来对他进行特征抽取,然后训练一个SVM来对类别进行分类. ...
- 中科院张士峰:基于深度学习的通用物体检测算法对比探索
https://www.toutiao.com/a6674792954369933838/ 人工智能论坛如今浩如烟海,有硬货.有干货的讲座却百里挑一.由中国科学院大学主办,中国科学院大学学生会承办,读 ...
- 论文解析:人脸检测中级联卷积神经网络的联合训练
论文解析:人脸检测中级联卷积神经网络的联合训练 商汤科技解析CVPR2016论文:人脸检测中级联卷积神经网络的联合训练 width="250" height="250&q ...
- 「取长补短」的RefineDet物体检测算法
基于深度学习的物体检测算法可大致分为"一阶段"和"两阶段"两类.一般而言,以Faster RCNN为代表的两阶段检测器在准确度上有优势:而以SSD为代表的单阶段 ...
- CVPR 2016|商汤科技论文解析:人脸检测中级联卷积神经网络的联合训练
论文:Joint Training of Cascaded CNN for Face Detection 论文作者:Hongwei Qin, Junjie Yan, Xiu Li, Xiaolin H ...
最新文章
- 电脑能安装吗_安装暖气片有要求吗,装好的房子能安装吗?
- 使用HttpWebRequest请求API接口以及其他网站资源
- 快递春节停运时间表刷屏,假的!但或涨价10-20元
- 德国同事Heiko开发的ABAP工具,能检测HANA数据库执行SQL的CPU time
- 通过phantomjs 进行页面截图
- AvtiveMQ与SpringBoot结合
- Satwe楼板能用弹性模计算吗_SATWE软件计算结果分析
- 数学教育与计算机教育ppt,计算机基础教育课件.ppt
- K3Cloud不重启IIS修改调试代码
- 三菱plc pwm指令_三菱PLC高速处理指令编程
- 记一次golang cpu 占用100%
- 生物信息学概论_英国爱丁堡大学生物相关硕士- 系统与合成生物学理学硕士详解+案例分享...
- 用sendcloud来发邮件
- 操作系统之进程管理习题
- python docx 提取图片_Python提取docx文档中所有嵌入式图片和浮动图片
- 超详细——手把手教你用threejs实现一个酷炫的模型发光扫描效果(一)
- 云短信使用——阿里云短信使用步骤
- 单灯闪烁c语言程序,51单片机,C语言编程,控制指示灯闪烁的频率
- Chapter2、HDR流水线
- 第六章第二十五题(将毫秒数转换成小时数、分钟数和秒数)(Convert milliseconds to hours, minutes, and seconds)