看了这篇文章,了解深度卷积神经网络在目标检测中的进展

  1. 云栖社区>
  2. 雷锋网>
  3. 博客>
  4. 正文

看了这篇文章,了解深度卷积神经网络在目标检测中的进展

玄学酱 2017-08-02 10:26:00 浏览1213
展开阅读全文

近些年来,深度卷积神经网络(DCNN)在图像分类和识别上取得了很显著的提高。回顾从 2014 到 2016 这两年多的时间,先后涌现出了 R-CNN,Fast R-CNN, Faster R-CNN, ION, HyperNet, SDP-CRC, YOLO,G-CNN, SSD 等越来越快速和准确的目标检测方法。

1. 基于 Region Proposal 的方法

该类方法的基本思想是:先得到候选区域再对候选区域进行分类和边框回归。 

1.1 R-CNN[1]

R-CNN 是较早地将 DCNN 用到目标检测中的方法。其中心思想是对图像中的各个候选区域先用 DCNN 进行特征提取并使用一个 SVM 进行分类,分类的结果是一个初略的检测结果,之后再次使用 DCNN 的特征,结合另一个 SVM 回归模型得到更精确的边界框。

看了这篇文章,了解深度卷积神经网络在目标检测中的进展

其中获取候选区域的方

网友评论

登录后评论
0/500
评论
玄学酱
+ 关注
所属云栖号: 雷锋网