从R-CNN到Faster R-CNN阅读整理

来源：互联网发布：最新家暴数据编辑：程序博客网时间：2024/05/21 06:44

一、R-CNN：Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation

1、先通过图分割方法获取原始区域（Efficient Graph-Based Image Segmentation）：
http://blog.csdn.net/surgewong/article/details/39008861
http://blog.csdn.net/huixingshao/article/details/42642973

2、再通过选择性搜索（Selective Search for Object Recoginition）的方法对上述原始区域进行合并操作：
http://blog.csdn.net/surgewong/article/details/39316931
通过颜色、文理、大小、吻合相似度约束对原始区域进行和合并，得到Buonding Box。常用的物体特征识别有HOG和bag-of-words，本文采用的是bag-of-words.
http://blog.csdn.net/charwing/article/details/27180421

3、R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation
http://yidianzixun.com/home?page=article&id=0EabZyXX&up=144
该博文很好的讲述了R-CNN的流程

4、R-CNN基础知识和算法细节分析讲解：
http://blog.csdn.net/u011534057/article/details/51218250

二、Fast R-CNN

1、SPP-Net网络主要是解决深度网络输入尺寸不灵活的问题，使用SPP进行检测，先用提候选proposals方法（selective search）选出候选框，不过不像RCNN把每个候选区域给深度网络提特征，而是整张图提一次特征，再把候选框映射到conv5上，因为候选框的大小尺度不同，映射到conv5后仍不同，所以需要再通过SPP层提取到相同维度的特征，再进行分类和回归，后面的思路和方法与RCNN一致。
http://blog.csdn.net/u011534057/article/details/51219959

2、Fast R-CNN：
http://blog.csdn.net/u011534057/article/details/51241831

三、Faster R-CNN

1、Towards Real-Time Object Detection with Region ProposalNetworks译文：
http://blog.csdn.net/u011326478/article/details/52872614
http://blog.csdn.net/u011534057/article/details/51259812

2、RPN网络解析：
http://blog.csdn.net/sloanqin/article/details/51545125

四、整体梳理：

http://blog.csdn.net/xyy19920105/article/details/50817725
http://blog.csdn.net/myarrow/article/details/51878004

0 0