上一页 1 2 3

2020年6月13日

R-CNN系列（3）—— Fast R-CNN

摘要： 1.R-CNN的弊端 （1）CNN的输入size需要固定，这就会扭曲了候选框里面的内容，导致失真。 （2）在测试时（包括训练时也是），每个候选框都要单独送到CNN中以提取特征，但其实好多候选框都是有重复部分的，所以特征提取的整个过程其实也做了很多重复的工作，这导致速度慢。 （3）训练是一个多阶段过程 阅读全文

posted @ 2020-06-13 00:31 ZhicongHou 阅读(78) 评论(0) 推荐(0) 编辑

2020年6月12日

R-CNN系列（2）—— SPP-NET

摘要： 1.CNN的缺点 CNN有一个问题，那就是需要固定size的输入。 这个问题会导致什么后果？为了满足这个固定的size，所有输入到CNN的图像都需要经过resize，包括裁剪、拉伸、压缩等等，而这将会扭曲原始图像，使得图像失真，不利于模型的训练与测试效果。 为什么CNN需要固定size的输入？这需要 阅读全文

posted @ 2020-06-12 22:07 ZhicongHou 阅读(112) 评论(0) 推荐(0) 编辑

OpenCV —— 图片读取、显示、保存

摘要： 1.读取 1.1.OpenCV方式 导入需要的包： import numpy as np import cv2 from matplotlib import pyplot as plt %matplotlib inline #使得matplotlib的图片显示功能能够在jupyter noteboo 阅读全文

posted @ 2020-06-12 17:48 ZhicongHou 阅读(656) 评论(0) 推荐(0) 编辑

2020年6月11日

R-CNN系列（1）—— R-CNN

摘要： 1.总体框架 R-CNN目标检测模型总体上分为三大模块：1.区域提议，2.CNN特征提取，3.SVM判别。 （1）区域提议：也可以理解为候选框提取。通过某种方法从原始输入图像中提取出与类别无关的大约2k个候选框。 （2）CNN特征提取：经过第1步提取到2k个候选框之后，分别利用CNN对这些候选框进行 阅读全文

posted @ 2020-06-11 22:51 ZhicongHou 阅读(84) 评论(0) 推荐(0) 编辑

上一页 1 2 3

导航