本站已运行 3358天 17小时 7分钟 27 秒飞翔的小鸟
首页大学学科资料人工智能《深度学习500问》第八章+目标检测
党建飞
院长

文档

179

关注

0

好评

1
PDF

《深度学习500问》第八章+目标检测

阅读 825 下载 0 大小 14.69M 总页数 0 页 2024-12-16 分享
价格:¥ 10.00
下载文档
/ 0
全屏查看
《深度学习500问》第八章+目标检测
还有 0 页未读 ,您可以 继续阅读 或 下载文档
1、本文档共计 0 页,下载后文档不带水印,支持完整阅读内容或进行编辑。
2、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
4、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。
5/5/2020第入章目标检测o8.1基本概念·8.1.1什么是目标检测?·8.12目标检测要解决的核心问题?·8.1.3目标检测算法分类?·8.1.4目标检测有哪些应用?。8.2 Two Stage目标检测算法■8.2.1R-CNN■8.2.2 Fast R-CNN■8.2.3 Faster R-CNN■8.24R-FCN·8.2.5FPN■8.2.6 Mask R-CNN·8.2.7 DetNet(贡献者:北京理工大学-明奇)■8.2.8 CBNet·8.3 One Stage目标检测算法■8.3.2DSSD■8.3.5Y0L09000■8.3.7 RetinaNet■8.3.8 RFBNet■8.3.9M2Det。8.4人脸检测·8.4.1目前主要有人脸检测方法分类?■8.4.2如何检测图片中不同大小的人脸?■8.4.3如何设定算法检测最小人脸尺寸?·8.4.4如何定位人脸的位置?·8.4.5如何通过一个人脸的多个框确定最终人脸框位置?·8.4.6基于级联卷积神经网络的人脸检测(Cascade CNN)·8.4.7基于多任务卷积神经网络的人脸检测(MTCNN)■8.4.8 Facebox。8.5目标检测的技巧汇总·8.5.1 Data Augmentation(贡献者:北京理工大学-明奇)■8.5.2OHEM8.5.3 NMS Soft NMS/Polygon NMS/Inclined NMS/ConvNMS/Yes-NetNMS/Softer NMS8.5.4 Multi Scale Training/Testing·8.5.5建立小物体与context的关系■8.5.6参考relation network·8.5.7结合GAN■8.5.8结合attention■8.5.9训练tricks(贡献者:北京理工大学-明奇)。8.6目标检测侧的常用数据集fle://home/shishuai/Desktop/第章目标检.html1/715/5/2020第入章目标检测■8.6.1 PASCAL VOC8.6.3 Google Open Image■8.6.4 ImageNet■8.6.5D0TA。8.7目标检测常用标注工具■8.7.1 abellmg■8.7.2 labelme■8.7.3 Labelbox■8.7.4 RectLabel■8.7.5CVAT■8.7.6MA·8.7.6其他标注工具。8.8目标检测工具和框架(贡献者:北京理工大学-阴奇)。参考文献第入章目标检测8.1基本概念8.1.1什么是目标检测?别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。计算机视觉中关于图像识别有四大类任务:分类Classification:解决“是什么?"的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。定位-Location:解决“在哪里?"的问题,即定位出这个目标的的位置。检测-Detection:解决“是什么?在哪里?“的问题,即定位出这个目标的的位置并且知道目标物是什么。分割-Segmentation:分为实例的分割(Instance--level)和场景分割(Scene-evel),解决"每一个像素属于哪个目标物或场景"的问题。fle://home/shishuai/Deskto p/第八章目标检测.html5/5/2020第入章目标检测ClassificationInstanceClassificationLocalizationObject DetectionSegmentationCATCATCAT,DOG,DUCKCAT,DOG,DUCKSingle objectMultiple objects8.1.2目标检测要解决的核心问题?除了图像分类之外,目标检测要解决的核心问题是:1.目标可能出现在图像的任何位置。2.目标有各种不同的大小。3.目标可能有各种不同的形状。8.1.3目标检测算法分类?基于深度学习的目标检测算法主要分为两类:1.Two stage目标检测算法先进行区域生成(region proposal,RP)(一个有可能包含待检物体的预选框),再通过卷积神经网络进行样本分类。任务:特征提取一>生成RP一>分类/定位回归。常见的two stage目标检测算法有:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等o2.0 ne stage目标检测算法不用P,直接在网络中提取特征来预测物体分类和位置。任务:特征提取一>分类定位回归。常见的one stage目标检测算法有:OverFeat、.YOLOv1、YOLOv2、YOLOv:3、SSD和RetinaNet等。fle://home/shishuai/Deskto p/第入章目标检测.html3/71
文档评分
    请如实的对该文档进行评分
  • 0
发表评论
温馨提示

      由于近期经常有客户反馈添加我们客服QQ没有反应,如果您在添加我们QQ客服一直没有通过,或者发送的信息一直没有回复,有可能是QQ消息通知吞吐或延迟,建议添加我们的客服微信进行联系。

注意:请不要使用Safari浏览器浏览本站!否则会有一些不兼容的情况出现比如视频无法播放

1. 本系统正在更新换代中,建设过程较为漫长,请耐心等待。

2. 本站已经与子站 BITCO其它子站点 实现互联互通。

3. 若您有业迪账户,直接登录即可,若子系统没有您的信息,将会提示您激活账户。

4. 如在使用与体验过程中有任何疑问,可与我们联系,我们唯一联系方式如下,建议添加我们客服微信,QQ经常有收不到消息与通知的情况。

微信号:暂未开放       QQ号:点我跳转

返回顶部