目标检测(二十三)--DenseBox

DenseBox是一种类似于Faster R-CNN的目标检测方法,它通过多尺度图像输入,利用改进后的19层VGG模型进行处理,实现目标框的输出。该方法引入了多级特征融合和多任务训练策略,利用地标信息提升定位精度,在KITTI数据库上取得了优秀的车辆检测结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >



转自:http://blog.youkuaiyun.com/cv_family_z/article/details/50172741

DenseBox: Unifying Landmark Localization with End to End Object Detection

百度深度学习研究院 的目标检测工作 类似 Faster R-CNN,后来好像是地平线ADAS的车辆检测 核心算法

这里写图片描述

输入多尺度图像,经过CNN处理,输出目标框

Model Design

这里写图片描述
模型是从 19层的VGG模型演变来的。

Multi-Level Feature Fusion: 将不同卷积层的特征联系起来可以提高检测效果

Multi-Task Training: 两个任务:1)目标有无,2)目标的位置

这里使用了 landmark 来改善定位模型
这里写图片描述

这里写图片描述

KITTI 数据库 车辆检测上面的结果:
这里写图片描述

这里写图片描述

还有一个 DenseBox2 敬请期待!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值