| 共 6 篇文章 |
|
计算梯度方向时可以计算有符号（0-360°）或无符号（0-180°）的梯度方向，有些目标适合使用有符号的梯度方向，而有些目标适合使用无符号的梯度，作为一种通用的目标检测方法，DPM与原HOG不同，采用了有符号梯度和无符号梯度相结合的策略。DPM V3版本的目标检测模型由两个组件构成，每一个组件由一个根模型和若干部件模型组成。为第个... 阅485 转0 评0 公众公开 16-12-30 15:34 |
负样本集里面的样本都是负的，但是正样本里面的样本不一定都是正的，但是至少有一个样本是正的。具体来说是选取正样本集中最像正样本的样本用作训练，正样本集内其它的样本就等候发落。对于正样本： 为正样本集中选中的最像大正样本的样本。因为，负样本数目巨大，Version3中用到的总样本数为2^28，其中Pos样本数目占的比例特别低，负样本太多... 阅90 转1 评0 公众公开 16-12-30 15:32 |
SPP-net速度可以比R-CNN速度快24~102倍，且准确率比R-CNN更高（下图引自SPP-net原作论文，可以看到SPP-net中spp-layer前有5个卷积层，第5个卷积层的输出特征在位置上可以对应到原来的图像，例如第一个图中左下角车轮在其conv5的图中显示为“^”的激活区域，因此基于此特性，SPP-net只需要对整图进行一遍前向卷积，在得到的conv5特征后，然后用S... 阅882 转13 评0 公众公开 16-12-30 14:13 |
由于YOLO在目标检测和识别是处理背景部分优势更明显，因此作者设计了Fast-R-CNN+YOLO检测识别模式，即先用R-CNN提取得到一组bounding box，然后用YOLO处理图像也得到一组bounding box。对于不同大小图像的测试效果进行研究，作者发现：YOLO在检测小目标时准确率比R-CNN低大约8~10%，在检测大目标是准确率高于R-CNN。YOLO是一种支持端到端训练和... 阅10441 转53 评0 公众公开 16-12-30 14:11 |
CVPR2016目标检测之识别精度篇：ResNet, ION, HyperNet，R.[1] He K, Zhang X, Ren S, et al.In CVPR 2016.Inside-outside net: Detecting objects in context with skip pooling and recurrent neural networks.HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection.[4] He K, Zhang X, Ren S, et al.R-FCN: Ob... 阅952 转0 评0 公众公开 16-12-30 14:10 |
