论文笔记——Rich feature hierarchies for accurate object detection and semantic segmentation
最近在看一些目标检测的论文,本文是经典的R-CNN(Regions with CNN features),随之产生的一系列目标检测算法:RCNN,Fast RCNN, Faster RCNN代表当下目标检测的前沿水平。在此之前主要是SIFT和HOG特征。
Code:https://github.com/rbgirshick/rcnn
概述:
测试流程:(1)输入测试图像
(2)利用selective search算法在输入图像中提取大约2000个region proposals
(3)将每个region proposal warp(缩放)成227*227,再输入到CNN计算特征(fc7的输出),提取出的特征向量的维度为4096维
(4)将提取到的特征输入到SVMs中分类。
(5)对分类好的region proposal做bounding-box regreesion:每个region都会给出所对应的score,选出前几个对大数值,然后再用非极大值抑制canny来进行边缘检测,最后就会得到所对应的bounding-box
针对的问题:localizing objects with a deep network 和 training a high-capacity model with only a small quantity of annotated detection data.
(1)图像中的目标定位两种思路:把定位当做回归问题或利用滑动窗口(sliding-window)
(2)对于数据量不足(labeled data is scarce):在大数据集(ImageNet)上进行预训练,之后在特定领域的数据集(PASCAL)上对网络进行fine-tuning(微调)。
非极大值抑制(NMS)先计算出每一个bounding box的面积,然后根据score进行排序,把score最大的bounding box作为选定的框,计算其余bounding box与当前最大score与box的IoU,去除IoU大于设定的阈值的bounding box
运行时间分析:——快的原因:CNN的参数共享,低维度的features vectors,所需要的内存小
数据集的划分:若region proposal与ground-truth的IoU大于某个阀值则为正样本,否则为负样本。阀值是由a grid search over{0,0.1,...,0.5}on a validation set产生的。
结果:将PASCAL VOC上的检测率从35.1%提升到53.7%。
论文笔记——Rich feature hierarchies for accurate object detection and semantic segmentation相关推荐
- 论文解读 | Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation
论文地址:Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation GitHub地址: http ...
- 目标检测经典论文——R-CNN论文翻译:Rich feature hierarchies for accurate object detection and semantic segmentation
Rich feature hierarchies for accurate object detection and semantic segmentation--Tech report (v5) 用 ...
- 【论文精读】Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation(R-CNN)
论文Title:Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation.发表于2014年. 本 ...
- 目标检测--Rich feature hierarchies for accurate object detection and semantic segmentation(CVPR 2014)
Rich feature hierarchies for accurate object detection and semantic segmentation 作者: Ross Girshick J ...
- 【RCNN】《Rich feature hierarchies for accurate object detection and semantic segmentation 》
2014 CVPR 之前刚开始接触目标检测算法的时候,老是分不清deep learning中,物体检测和图片分类算法上的区别,弄得我头好晕,终于在这篇paper上,看到了解释.物体检测和图片分类的 ...
- RCNN详细介绍 Rich feature hierarchies for accurate object detection and semantic segmentation
Rich feature hierarchies for accurate object detection and semantic segmentation Publisher: CVPR 201 ...
- 论文精读:R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation...
1.论文核心 我们提出了一种简单且可扩展的检测算法,相对于之前对VOC2012的最佳结果,它将平均平均精度(mAP)提高了30%以上--实现了53.3%的mAP.我们的方法结合了两个关键的见解:(1) ...
- Rich feature hierarchies for accurate object detection and semantic segmentation
Abstract 在过去几年中,在标准PASCAL VOC数据集上测量的目标检测性能保持稳定.性能最好的方法是复杂的集成系统,通常将多个低级图像特征与高级上下文相结合.在本文中,我们提出了一种简单且可 ...
- 【R-CNN】Rich feature hierarchies for accurate object detection and semantic segmentation (2014) 全文翻译
作者 Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik (UC Berkeley, {rbg,jdonahue,trevor,ma ...
最新文章
- SpringBootMybatis 关于Mybatis-generator-gui的使用|数据库的编码注意点|各项复制模板...
- 特征工程包含那些步骤?如何进行特征的迭代?
- Mysql主从同步异常处理
- python新手项目-Python 的练手项目有哪些值得推荐?
- 画师id_100位插画师是怎么过日子的?
- 43秒处竟惊现刘强东!印度动作大片《WAR》终极预告曝光
- 计算机编程输入与输出,计算机编程语言的发展与输入输出设备的使用
- leetcode950. 按递增顺序显示卡牌
- mp3 资源文件压缩
- 【三色N95pro显示器驱动板烧录-维修小记】
- 毕业季:我和未来有个对话
- 万洲金业集结全面行业优势 打造贵金属产品理财矩阵
- glassfish简单介绍
- GBase XDM Cluster 产品介绍
- 操作系统---文件管理
- padStart()和padEnd()
- base64,base32bit加密解密
- 详细介绍附代码:使用jquery,和php文件构建一个简单的在线聊天室,通过ip显示googlemap
- Python音频处理,录制播放
- 【rtsp流在Web端实时播放】使用 VUE + webrtc-steamer
热门文章
- HTML---百度新闻轮播图--定位练习
- chrome设置微信ua_Chrome谷歌浏览器模拟微信内置浏览器的方法(电脑上)
- flink source 同步_如何生成 Flink 作业的交互式火焰图?
- list里面的数据按3个字段排序_Python数据分析:探索性分析
- 为什么redis取出来是null_跳表:为什么Redis一定要用跳表来实现有序集合
- php tinyme_黄聪:TinyMCE 4 增强 添加样式、按钮、字体、下拉菜单和弹出式窗口
- gitblit如何迁移入gitlab合并迁移_github仓库迁移到gitlab以及gitlab仓库迁移到另一个gitlab服务器...
- linux eclipse 配置c++开发环境,用Eclipse搭建C/C++开发环境
- cpu烤机工具_MySQL常用工具选择和建议
- linux lib64被改名,问题解决:Centos误将/lib64更改为lib64.bak