目标检测网络发展历程从R-CNN到Faster-RCNN

最新推荐文章于 2025-03-20 22:15:52 发布
最新推荐文章于 2025-03-20 22:15:52 发布
阅读量2.5k 收藏
点赞数 2
CC 4.0 BY-SA版权
分类专栏： Deep Learning Computer Vision detection
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lanyuxuan100/article/details/71056747
本文对比了2014年提出的R-CNN和2015年改进版Fast-RCNN的主要步骤。R-CNN首先生成目标候选区域，接着利用CNN提取特征并用SVM进行分类，最后通过线性回归确定目标位置；而Fast-RCNN进一步优化了这一流程。

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

2014年的R-CNN主要步骤如下：
1. 预先生成目标候选区域。
2. 使用CNN提取目标候选区域中的特征，通过分类器（SVM）查看类别。
3. 线性回归出目标的精确位置。

2015年的Fast-RCNN的主要步骤如下：

目标检测发展历程
@bangbang的博客
08-06 6763
1. Object Detection Milestones 目标检测的里程碑，一个比较大的分野是在2012, 2012年以前是传统目标检测方法,也称为冷兵器时代。2012年以后随着深度学习的发展，尤其是基于深度学习的检测方法，可以使用GPU作为我们的强悍的武器。 目标检测分为One-stage-detector 和 two-stage-detector,两阶段目标检测器和一阶段目标检测器的区别主要是两阶段检测器提出了proposal（候选框）阶段，在候选框的基础上最终得到物体的预测框。one-sta
目标检测算法发展史
master_hunter的博客
10-30 5106
目标检测无非做两个事情，一是检测出该目标在图片或者视频里面所处的位置以及该目标的类别。二是对于有多个目标的图片，检测出所有目标所处的位置及其类别。那么对于第一个要解决的问题，我们可以来了解具体需要干什么事情。
从R-CNN到Faster-RCNN再到YOLOV5，目标检测网络发展概述
weixin_48799576的博客
09-06 6301
目标检测任务是找出图像或视频中人们感兴趣的物体，并同时检测出它们的位置和大小。不同于图像分类任务，目标检测不仅要解决分类问题，还要解决定位问题。这里对目标检测模型从R-CNN到YOLOV5进行了系统的总结。
关于目标检测的那些事儿（1） —— 二十年发展史 ^_^
fsjdgfcuvb的博客
11-14 2078
目标检测是当前计算机视觉和机器学习领域的研究热点。从Viola-Jones Detector、DPM等冷兵器时代的智慧到当今RCNN、YOLO等深度学习土壤孕育下的GPU暴力美学，整个目标检测的发展可谓是计算机视觉领域的一部浓缩史。 简要概括下从1994到至今一共二十余年间目标检测的发展历程。 先看一张图：。。。。。。。 一、基于经典手工特征的目标检测算法（冷兵器时代的智慧） 早期的...
卷积神经网络在目标检测方向的发展
06-23
卷积神经网络在目标检测方向的发展，讲解r-cnn,fast-rcnn,faster-rcnn,
深度学习目标检测之 R-CNN 系列： 从 R-CNN 和 Fast R-CNN 到 Faster R-CNN
生命在于折腾！
03-19 750
深度学习目标检测之 R-CNN 系列： 从 R-CNN 和 Fast R-CNN 到 Faster R-CNN 深度学习目标检测之 R-CNN 系列包含 3 篇文章： 从 R-CNN 和 Fast R-CNN 到 Faster R-CNN Faster R-CNN 网络详解 用 Faster R-CNN 训练自己的数据 1. 前言 这一篇文章主要是从 R-CNN 的发展历程来介绍各个版本的 R...
遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）
PhyliciaFelicia的博客
02-21 1707
遥感影像、目标检测、CNN、高光谱遥感、矿产勘探、精准农业、城市规划、林业测量、军事目标识别、灾害评估、Transformer、深度学习、遥感图像识别、卷积神经网络、PyTorch、DETR模型
R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD, R-FCN学习总结（持续更新）
RCNN
09-03 3290
R-CNN这个领域目前研究非常活跃，先后出现了R-CNN，SPP-net，Fast R-CNN，Faster R-CNN，R-FCN，YOLO，SSD等研究，Ross Girshick（rbg大神）作为这个领域的开山鼻祖总是神一样的存在，R-CNN、Fast R-CNN、Faster R-CNN、YOLO都和他有关。这些创新的工作其实很多时候是把一些传统视觉领域的方法和深度学习结合起来了，比如选择...
Faster RCNN发展过程总结
WYXHAHAHA123的博客
09-06 1088
感谢https://www.bilibili.com/video/av15949356?from=search&seid=10709304168993056773 将卷积神经网络应用到物体检测中的模型发展过程：1.R-CNN 2.Fast R-CNN 3.Faster R-CNN。 （1）CNN 卷积神经网络 （2）RPN region proposal network （3）Fa...
R-CNN、Fast R-CNN、Faster R-CNN演化
u011587322的博客
08-31 832
一、目标检测 目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。 计算机视觉中关于图像识别有四大类任务： 分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 ...
目标检测近5年发展历程概述，从R-CNN到RFBNet（2013--2018）
小C的博客
09-24 7964
【时间】2018.09.24 【题目】目标检测近5年发展历程概述，从R-CNN到RFBNet（2013--2018） 目录 概述 一、目标检测相关背景 1.1 目标检测的类别 1 .2 目标检测遇到的主要难题 1.3 过去二十年的进展 二、 框架 2.1框架发展历程 2.2一些里程碑式的框架 三、基础性子问题 3.1 基于 DCNN 的目标表示 3.2 形境建模 3.3...
目标检测二十年间的那些事儿——从传统方法到深度学习
我爱计算机视觉
08-21 2694
本文转载自DeepBlue深兰科技。本文主要参考自文献[1]：Zhengxia Zou, Zhenwei Shi, Member, IEEE, Yuhong Guo, and Jiepi...
目标检测的发展
孙永杰的博客
03-17 4663
2014年，Ross Girshick等人提出R-CNN，首次利用CNN进行目标检测。 RCNN通过Selective Search算法进行region proposals，使用CNN对proposals提取特征，然后将提取的特征输入SVM进行分类，最后利用全连接网络进行边框回归（线性脊回归）。 图片要先经过Selective Search算法产生的proposals，然后在图片上截取proposals区域，对proposals区域Resize之后，将其输入CNN进行分类。 proposals区域会有大量重
【目标检测】目标检测究竟发展到了什么程度?聊聊这22年！
wzk4869的博客
01-20 9673
【目标检测】目标检测究竟发展到了什么程度?聊聊这22年！
YOLO目标检测的更新
最新发布
weixin_65589140的博客
03-20 913
对计算机而言，能够“看到”的是图像被编码之后的数字，它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置，如所示。图1 图像分类和目标检测示意图图1(a)是图像分类任务，只需对这张图片进行类别识别。图1(b)是目标检测任务，不仅要识别出这一张图片中的类别为斑马，还要标出图中斑马的位置。
目标检测发展路程(一)——Two stage
樱缘之梦
12-28 5184
目标检测是计算机视觉领域中非常重要的一个研究方向，它是将图像或者视频中目标与其他不感兴趣的部分进行区分，判断是否存在目标，确定目标位置，识别目标种类的任务，即定位+分类。传统的目标检测模型有VJ.Det[1,2],HOG.Det[3],DPM[4,5,6]，直到2012年，CNN模型日益成熟化，以深度学习为基础的目标检测模型开始发展，主要分为单阶段模型（One stage）和两阶段模型（Two stage），发展路径如下： 目标检测也面临许多挑战： 环境影响 密集 遮挡 重叠 多尺度：大目标
目标检测深度学习网络的发展
weixin_35753291的博客
07-18 99
网络相关学习资料：人人都会K8s（四）：使用图形化界面高效管理K8s目标检测深度学习网络的发展 目标检测是计算机视觉领域的一个重要任务，其目的是在图像中识别和定位多个目标。随着深度学习技术的发展，目标检测的性能得到了显著提升。本文将简要介绍目标检测深度学习网络的发展历程，并提供一些代码示例。 流程图 以下是目标检测深度学...
一文搞懂目标检测技术的发展历程: 从R-CNN到YOLO、DETR、DINO
SQingL的博客
10-12 5527
目标检测技术在过去的十几年中，从传统的方法逐步转变成基于深度学习驱动的方法。2012年，AlexNet在ImageNet竞赛中胜利，促进了目标检测技术的发展。目标检测领域的技术发展经历了从基于卷积神经网络（CNN）的架构到基于Transformer架构的重要转变。最初的突破来自于基于CNN的模型，如R-CNN系列（包括R-CNN、Fast R-CNN和Faster R-CNN），这些模型通过引入区域提议网络（RPNs）和端到端的训练方式，大幅提升了目标检测的准确性。
目标检测的发展史及关键技术概述
是我的博客
02-01 3984
目标检测是计算机视觉领域中的一个基础问题，它旨在识别出图像中所有感兴趣的目标，并给出它们的位置和类别。从早期的模板匹配到现代的深度学习方法，目标检测技术经历了多个发展阶段。本文将透过时间的迷雾，回顾目标检测技术的发展历程，并介绍其关键技术点与代表性成果。
深度学习目标检测：从R-CNN到YOLO的算法解析
这四个算法在深度学习目标检测的发展历程中扮演了重要角色，从R-CNN的初步尝试到Fast R-CNN的效率提升，再到Faster R-CNN的端到端解决方案，最后到YOLO的实时检测，每一代都在前人的基础上进行了改进，使得目标检测...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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