【学习记录】实例分割的发展与区别

【学习记录】实例分割的发展与区别

参考于《The Evolution Of Instantce Segmentation》

发展历程

请添加图片描述

RCNN

开发集成了RCNN技术产生了AlexNet,以及使用选择性搜索的区域建议。
RCNN达到了很高的目标检测精度,但是训练过程漫长,因为在CNN层中每个图片特征都要单独提取

Fast RCNN

使用检测器(detecotr)的端到端训练,同时学习softmax分类器和特定的BBOX回归。

  • FastRCNN 在区域建议中建议共享神经元的权重,并在最后一个卷积层添加ROI池化层。
  • 第一个全连接层用来提取特定区域的特征
  • ROI池化使用特征级扭曲的概念,以实现图像级翘曲

Multipath Network

对标准的Fasr RCNN做了三次修改。

  1. 给目标检测器(object detector)权限去访问不同图层
  2. 添加一个中心凹元素,用于以不同分辨率利用图像的上下文
  3. 添加一个积分性质的损失函数

神经网络调整为提高实例分割的定位

Faster RCNN

虽然Fast RCNN有很快的检测速度,但它还是依靠内部区域建议,计算

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