r-cnn学习（二）
faster r-cnn 1、问题 在fast r-cnn中，proposals已经成为速度提高的瓶颈。在本文中，使用深度网络来计算proposals， 使得与检测网络的计算量相比，proposals的计算量可忽略不计。为此，本文提出了RPN网络（Region ...
原文：r-cnn学习（九）：学习总结
首先看下代码文件夹的说明 这部分转自：http: blog.csdn.net bailufeiyan article details tools 在tools文件夹中，是我们直接调用的最外层的封装文件。其中主要包含的文件为： init paths.py:用来初始化路径的，也就是之后的路径会join path， compress net.py：用来压缩参数的，使用了SVD来进行压缩，这里可以发现，作 ...
2016-12-12 09:58 0 1625 推荐指数：
相关推荐
r-cnn学习(一)
http://closure11.com/rcnn-fast-rcnn-faster-rcnn%E7%9A%84%E4%B8%80%E4%BA%9B%E4%BA%8B/ 首先看fast r-cnn这篇论文，中间加入了有些博友的想法。 问题 目标检测主要面临两个问题：过多 ...
r-cnn学习（八）：minibatch
这段代码包括由输入图片随机生成相应的RoIs，并生成相应的blobs，由roidb得到相应的 minibatch。其代码如下。 ...
r-cnn学习（六）：RPN及AnchorTargetLayer学习
RPN网络是faster与fast的主要区别，输入特征图，输出region proposals以及相应的分数。 算偏移量时涉及到的公式： 这段 ...
【深度学习】目标检测算法总结（R-CNN、Fast R-CNN、Faster R-CNN、FPN、YOLO、SSD、RetinaNet）
目标检测是很多计算机视觉任务的基础，不论我们需要实现图像与文字的交互还是需要识别精细类别，它都提供了可靠的信息。本文对目标检测进行了整体回顾，第一部分从RCNN开始介绍基于候选区域的目标检测器，包括Fast R-CNN、Faster R-CNN 和 FPN等。第二部分则重点讨论了包括YOLO ...
学习Faster R-CNN代码rpn（六）
代码文件结构 bbox_transform.py # bounding box变换。 generate_anchors.py # 生成anchor，根据几种尺度和比例生成的anc ...
学习Faster R-CNN代码nms（七）
非极大值抑制(Non-Maximum Suppression NMS) NMS就是去除冗余的检测框,保留最好的一个。 产生proposal后使用分类网络给出每个框的每类置信度,使 ...
Libra R-CNN——“平衡学习” by Rose
一、简介 Libra R-CNN: Towards Balanced Learning for Object Detection是发表于2019年CVPR的论文。文章中没有太多改造网络结构，计算成本也没增加多少，只是通过三个方面的改进就能在MSCOCO数据集上AP值比FPN Faster ...