gentelyang的博客

CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体，在2015年之前还是一个世界难题。神经网络大神Jonathan Long发表了《Fully Convolutional Networks for Semantic Segmentation》FCN概述：FCN对图像进行像素级的分类，从而解决了语义级别的图像分割（semantic segmentation）问题。与经典的CNN在卷积层...

行人检测 概述：       行人检测有两种方向，传统算法和基于深度学习算法。传统算法的典型代表有Haar特征+Adaboost算法，Hog特征+Svm算法，DPM算法。而基于深度学习的行人检测典型代表有RCNN系列，YOLO系列和SSD系列。其中RCNN系列算法是现在使用的最广泛的基于深度学习的行人检测算法。        在说行人检测之前不得不说一下目标检测。行人检测是目标检测下的一个...

1：时序检测（Tmporal Action Detection）时序动作检测这一 方向，Video Analysis相关领域解读之Temporal Action Detection（时序行为检测）是要在视频序列中确定动作发生的时间区间及动作的类别，类似于图像中的目标检测任务，时序检测也可以分为生成时间区间提名及对提名进行分类两个环节。该任务是在视频序列中确定动作发生的时间区间及动作的类别，最常用的...

每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。 confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息。YOLO的一些细节：1：每个grid有30维，这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。...

1:首先将图像划分成7 * 7的网格。2:每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个 confidence值。 3:每个网格有30维，这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。confidence代表了所预测的bounding box中含有object的置信度和这个boundin...

一：背景介绍：YOLO-v3与目前最好的实时监测网络的性能对比OLO作者推出 YOLOv3版，在Titan X上训练时，在mAP相当的情况下，v3的速度比 RetinaNet快3.8倍，同时YOLOv3 可以在22ms之内执行完一张320×320的图片，mAP得分是 51.5，和SSD的准确率相当，但是比它快三倍。YOLOv3非常快速和准确，在IoU=0.5的情况下，与Focal Loss的mAP...

发表会议：2016 ECCV作者：Wei Liu论文：https://arxiv.org/abs/1512.02325代码：https://github.com/weiliu89/caffe/tree/ssd一：模型结构SSD由VGG-16扩展并添加四个卷积层而成。                                                     ...