RCNN目标识别简单笔记
来源:互联网 发布:arcmap栅格数据矢量化 编辑:程序博客网 时间:2024/04/30 18:06
RCNN的基本流程
①选择性搜索(可根据颜色、纹理、合并后的面积最小、合并后占bbox最大等,将图片合并成大约2000个图像,这2000个图像基本包含了图像各种大小区域);
②使用辅助训练数据(有大量数据)训练CNN,之后直接"移植"到少量数据集中,不需要再次训练。(我个人觉得,除了最后一层汇聚成具体类别个数,前面的层已经拥有了组成任意物体的“元素”,只是缺少最后的"重组"成具体的类别);
③将划分好的大约2000个Region区域(这些区域有的是含有部分物体,有的含有全部物体,有的不含有任何物体),将这些区域与少量数据集里训练数据进行IOU计算(在训练集中已经框出了实际的物体框和对应的类别)。如果IOU大于某个阈值,则将当前的Region框标记为正类别,并附上对应的类别标签;否则认为该Region区域为非物体区域,将其标记为负类别,并标记为背景类别。这样我们就有了各个数据的标签了。
④根据2000个Region框和对应的类别(N),训练出N个类别的SVM分类器。在测试的时候还需要进行非极大值抑制(NMS)。
下面是测试流程:
- 将2000个Region带进训练好的第1个SVM中,计算出对应与每个类别的Score,即得到了2000个对于此分类Score;
- 然后将Socre按照由高到排列。如果有高的Socre的Region框与低Score的Region框的IOU面积大于某个阈值,则将低Score的Region消除;
- 同时,也消除Score得分小于某个基础Score的消除。(因为低于基础的Score我们认为它不属于该类);
- 进行位置的修正;
- 然后在将2000个Region带进训练好的第2个SVM中,重复上述操作。
IOU和NMS参考:http://blog.csdn.net/hjimce/article/details/50187029
阅读全文
0 0
- RCNN目标识别简单笔记
- cs231n笔记(9)--目标识别RCNN
- 【深度学习:目标检测】RCNN学习笔记(4):fast rcnn
- 【深度学习:目标检测】RCNN学习笔记(5):faster rcnn
- 【深度学习:目标检测】RCNN学习笔记(0):rcnn简介
- 目标检测大菜鸟第一次Faster-RCNN DEMO(笔记)
- 【深度学习:目标检测】RCNN学习笔记(3):From RCNN to SPP-net
- 目标检测-RCNN系列
- 目标检测1 RCNN
- 目标检测-RCNN系列
- 目标检测: RCNN系列
- 目标识别
- 目标识别
- 目标识别
- 目标识别
- rcnn 笔记
- 【深度学习:目标检测】RCNN学习笔记(7):Faster R-CNN 英文论文翻译笔记
- 目标检测 RCNN, SPPNet, Fast RCNN, Faster RCNN 总结
- 昨天读了一本《外星人就在月球背面》,有点颠覆我的科学观...
- ECE、UDC、EUDC、NEDC、FTP75工况的解释和区别
- STM32F103产生伪随机数
- vue-cli创建的项目中引入第三方库报错 'caller', 'calle', and 'arguments' properties may not be...
- 【简单的线性DP】SDUT 3924 疯狂的bLue
- RCNN目标识别简单笔记
- [官方解决方案]Windows上Python2和3如何兼容
- 工具类:网络判断+字符转字节+网络请求
- 奇葩APP盘点,程序员们创意真多
- Spring+SpringMVC+Mybatis使用注解方式配置双数据源
- 数组与指针
- js cookie 实例
- JS选择结构(if嵌套、switch语句)
- SPOJ 694 Distinct Substrings 后缀数组