荆棘鸟的专栏

Selective Search for Object Recoginitionsurgewong@gmail.comhttp://blog.youkuaiyun.com/surgewong      在前一段时间在看论文相关的工作，没有时间整理对这篇论文的理解。在前面的一篇博客【1】中有提到Selective Search【2】，其前期工作利用图像分割的方

原文地址：http://blog.youkuaiyun.com/liyaohhh/article/details/50824226          Rich feature hierarchies for accurate object                                 detection and semantic segmentation、

原文地址：http://blog.youkuaiyun.com/u011534057/article/details/51219959CNN网络需要固定尺寸的图像输入，SPPNet将任意大小的图像池化生成固定长度的图像表示，提升R-CNN检测的速度24-102倍。固定图像尺寸输入的问题，截取的区域未涵盖整个目标或者缩放带来图像的扭曲。事实上，CNN的卷积层不需要固定尺寸的图像，全连

【原文：http://zhangliliang.com/2015/05/17/paper-note-fast-rcnn/】论文出处见：http://arxiv.org/abs/1504.08083项目见：https://github.com/rbgirshick/fast-rcnnR-CNN的进化版，0.3s一张图片，VOC07有70的mAP，可谓又快又强。而且rb

原文地址：http://blog.youkuaiyun.com/cv_family_z/article/details/46864473摘要：SPPNet和Fast R-CNN降低了网络学习特征的时间，SS由于需耗时1~2s，EdgeBoxes 耗时约0.2s，提取proposal的方法成为检测的瓶颈。本文提出了Region Proposal Networks(RPNs)实现实时提取propo