RCNN-阅读笔记-理解

来源：互联网发布：java socket 怎么使用编辑：程序博客网时间：2024/06/11 23:20

R—CNN

论文：Rich feature hierarchies for accurate object detection and semantic segmentation
论文翻译参考：http://blog.csdn.net/wangsidadehao/article/details/54237567
理解参考：http://blog.csdn.net/shenxiaolu1984/article/details/51066975
http://blog.csdn.net/u011534057/article/details/51218218
http://blog.csdn.net/u011534057/article/details/51218250
核心技术：
1.每张输入图像生成1K-2k个候选区域
2.对于每个候选区域使用CNN计算一个固定大小的特征向量
3.将上一步计算出的特征向量送入SVM分类器，判别候选区域的类别
4.使用回归器精细修正候选框的位置
这里写图片描述
成就：
1.将高容量的卷积神经网络应用于自下而上的候选区域以便定位和分割对象，达到了较好的分割检测效果。
2.提供了一种当标记的训练数据不足时训练大的CNN的解决思路，即在大型辅助数据集（ILSVRC）上进行有监督的预训练，然后是在小数据集（PASCAL）上进行特定领域的微调。

候选区域的生成方法：Selective Search

阅读全文

0 0