深度图像确定目标距离_深度学习图像目标检测必须掌握的基本概念与知识_第1页
深度图像确定目标距离_深度学习图像目标检测必须掌握的基本概念与知识_第2页
深度图像确定目标距离_深度学习图像目标检测必须掌握的基本概念与知识_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、深度图像确定目标距离深度学习图像目标检测必须掌握的基本概念与知识传统目标检测方法手动设计特征滑动窗口使用传统分类器多步骤实现准确度和实时性差深度学习目标检测方法深度网络学习特征Proposal或者直接回归深度网络分类端到端准确度高且实时性好目标检测算法分类主要分为Onestage和Twostage两大类：Onestage：步骤：特征提取-分类-定位/回归。成员：丫OLOv1、SSD、YOLOv2、RetinaNet、YOLOv3特点：准确度低，速度快。Twostage：步骤：特征提取-生成RP-分类-定位/回归*成员：FastR-CNN、FasterR-CNN特点：准确度高，速度慢。Selec

2、tiveSearch即选择性搜索。使用具有不同不变性质的各种颜色空间使用不同的相似性度量使用不同的初始化区域Bounding-Boxregression边框回归。生成的proposal与groundtruth的两个框不一致，我们想通过某种方法使得产生的另个一个框介于两者之间，更接近与真值。般遇到的bbox,即指Bounding-Box。ROIregionofinterest,感兴趣区域。通俗的可以理解为使用Labellmg标注的区域。IoUIntersection-over-Union,交并比。产生的候选框和原标记框的交叠率，即面积的交集和并集的比值。完美情况为1。是一个评价函数。NMSNon

3、-maximumsuppression,非极大值抑制算法。本质是搜索局部极大值，抑制非极大值元素，在目标检测中通过选取邻域里分数最高的窗口，同时抑制分数低的窗口去消除多余的框，找到最佳的物体检测位置。现在一般使用Soft-NMS。Anchors对于该图像的每一个位置，考虑9个可能的候选窗口：三种面积三种比例。这些候选窗口称为anchors。下图示出51*39个anchor中心，以及9种anchor示例。RRegionProposalNeLwork，如同一个黑盒亍，输入一个任意尺度的图片，输出一系列的矩形objectproposals。区域生成网络，在Faster-RNN中使用。叵US礙RPN网络结构i*k(rwiMO.JOIImap(512,37St)*用紳網步骤：J*1将图片输入到VGG或ZF的可共享的卷积层中，得到最后可共享的卷积层的featuremap。2.小网络继续卷积featuremap;获得原图的锚点（anchor）3将卷积的结果和锚点分别输入到两个小的1*1的网络中reg（回归，求目标框的位置）和cl

人人文库> 全部分类> 办公材料 > 办公文档

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论