目标检测_0

Posted dean0731

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了目标检测_0相关的知识,希望对你有一定的参考价值。

目标检测

  1. rcnn:根据颜色等特征,将图像分为许多小区域(一般情况下颜色相同的都是一类物体)
    1. 合并区域,然后进行区域内的物体检测 即到卷积中进行预测(每个框一个卷积网络)
    2. 缺点:找到的框太多
  2. fast-rcnn:整张图片卷积得到特征图
    • 图片映射到特征图,
  3. faster-rcnn:RPN 层,根据标注中框的位置,让卷积网络自己学习框应该在哪 (在特征图上提取框)
    • 怎么学习?
      • 有基数128,256,512,3种方式
    • 对于一个像素点生成9个框,以他为中心
      • 128*256,256*128,128*128
      • 256*512,512*256,256*256
      • 512*512,512*1024,1024*512

数据

  1. 或获途径

    • Benchmark是一个行业的基准(数据库,论文,源码,结果)。 face benchmark或MPII Human Pose Dataset
    • 论文
    • 论坛或者交流社区 如thinkface
  2. 处理

    1. 正样本:裁剪,根据标注把目标裁剪出来,例如人脸,可使用opencv工具
    2. 负样本:随便选择的框,可与正样本重叠,但不能太多 这个比例 成为 inception open union (Iou) 一般为0.3,小于0.3为负样本 大于0.7为正样本(当做遮蔽的数据),中间的舍弃

以上是关于目标检测_0的主要内容,如果未能解决你的问题,请参考以下文章

深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码)

对于ssd对小目标检测效果的思考

目标检测算法经典论文回顾(一)

从分类到检测_从0学习yolov3_万字文章干货满满

目标检测 1 : 目标检测中的Anchor详解

COCO_01 数据集介绍 COCO目标检测分割数据集格式