Fast RCNN

区域卷积神经网络 RCNN

  R-CNN 的主要性能瓶颈在于需要对每个提议区域独立抽取特征。由于这些区域通常有大量重叠,独立的特征抽取会导致大量的重复计算。我们可不可以在每张图片上只使用一次 CNN 即可得到全部的重点关注区域呢,而不是运行 2000 次。 [Read More]

Region-based CNN

区域卷积神经网络 RCNN

  RCNN 算法可以看成是将 CNN 引入目标检测领域的开山之作,其过程还是比较,四个步骤 候选区域生成: 一张图像生成1K~2K个候选区域 (采用 Selective Search 方法) 特征提取: 对每个候选区域,使用深度卷积网络提取特征 (CNN) 类别判断: 特征送入每一类的 SVM 分类器,判别是否属于该类 位置精修: 使用回归器精细修正候选框位置 [Read More]