摘要：
Rotational region cnn 我们的目标是检测任意方向的场景文本，与RRPN类似，我们的网络也基于FasterR-CNN ，但我们采用不同的策略，而不是产生倾斜角度建议。 我们认为RPN有资格生成文本候选，并根据RPN提出的候选文本预测方向信息 检测步骤： 如图所示：a.原图片 b.通 阅读全文
摘要：
多尺度检测（不同的idea） （特征金字塔）（空间金字塔池化）（带洞空间金字塔池化）（融合深浅层特征） 检测和分割中的例子 分割： sppnet中的spp空间金字塔池化结构；(spatial pyramid pooling) pspnet中的pyramid pooling moudle结构，综合讲是 阅读全文
摘要：
成功的因素： 1.级联而非并联检测器 2.提升iou阈值训练级联检测器的同时不带来负面影响 核心思想： 区分正负样本的阈值u取值影响较大，加大iou阈值直观感受是可以增加准确率的，但是实际上不是，因为这时候正负样本不均衡，所以要做出改变； 所以得出的cascade R-CNN由一系列的检测模型组成， 阅读全文
摘要：
1.降维或升维，减少参数量 通过1*1卷积核的个数，来控制输出的通道数也就是维度 通过一次卷积操作，W*H*6将变为W*H*1，这样的话，使用5个1*1的卷积核，显然可以卷积出5个W*H*1，再做通道的串接操作，就实现了W*H*5 对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积 阅读全文
摘要：
RFCN的核心是通过修改roi pooling的位置，来增加共享参数的层，减少运算时间； roi pooling位置的影响如下： 越靠近 Input - 对应 ROI-Wise 检测子网越深，准确度也就越高； 越靠近 Output - 对应 ROI-Wise 子网越浅，针对每个 ROI 计算量就越小 阅读全文
摘要：
iou 使用loU看检测是否正确需要设定一个阈值，最常用的阈值是0.5，即如果loU>0.5，则认为是真实的检测 P代表每张图像中被检测出的正确目标占总目标数的多少； AP代表对于一个类别，假如100张图像，计算平均精度；分子是图像的个数，分母是总精度的和； MAP=所有类别的平均精度求和除以所有类 阅读全文
摘要：
对于视频来讲，相邻帧目标之间存在 明显的上下文关系，这种关系在技术上的表现就是 Tracking FLOW 流，一般是指视频两帧之间的流信息； MGP motion guide propagation 运动指导传播， 主要为了减少漏检； MCS multi context suppression 多 阅读全文
摘要：
模型的结构大致由图可以完整展现，三个分类是否人脸的12、24、48net，再加上三个用于修正预测框的分类网络； 这三个分类是否人脸的网络，结构逐渐变复杂， 由上图可以看出，前2阶的网络都非常简单，只有第3阶才比较复杂。这不是重点，重点是我们要从上图中学习多尺度特征组合。 以第2阶段的24-net为例 阅读全文
摘要：
OpenCV 中的 Haar feature-based cascade classifiers 来检测图像中的人脸。OpenCV 提供了很多预训练的人 脸检测模型，它们以XML文件保存在 github 阅读全文
摘要：
傅里叶变换 傅里叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅里叶变换就表示f的频谱。 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片 阅读全文
