Localization and Object Detection

最新推荐文章于 2024-01-14 11:37:41 发布

原创

最新推荐文章于 2024-01-14 11:37:41 发布 · 1.9k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#物体识别 #CNN #物体定位

本文详细介绍了物体检测中的定位方法，包括将定位视为回归问题、滑动窗口策略，以及Selective Search、IOU、NMS等关键步骤。重点探讨了R-CNN、fast R-CNN、faster R-CNN的发展，最后提到了实时检测系统YOLO的优越性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Localization

思路1：看作回归问题

首先考虑单个物体的检测，对单个物体的分类来说，已经很清楚了，在网络的最后一层加上softmax层或者multi-svm即可。对于检测问题，我们需要获得矩形边框的位置，一个简单的思路是将这个问题看作回归问题（x, y, w, h）,所以很简单将分类问题的最终一层换为regression即可。
其基本思路是：
(1)训练一个分类网络(Alex net, VGG net等）
(2)在网络的最后一层附加上一个regression层
(3)用SGD和L2 loss训练regression层的参数
(4)在测试阶段同时得到物体所属的类别以及box的4个参数
而对于多个物体的检测也是类似，只是regression层输出的个数为K*4