超级会员免费看
本文介绍了如何使用Keras实现Faster R-CNN来处理自定义数据，数据来源于Google的Open Images Dataset V4。作者详细解释了从数据预处理到模型训练的过程，包括提取自定义类别的边界框，重建VGG-16模型，RPN网络的计算，RoIPooling和分类器层的工作原理，以及训练参数和环境设置。
Faster R-CNN (object detection) implemented by Keras for custom data from Google’s Open Images Dataset V4
Introduction
在探索CNN一段时间之后，我决定尝试计算机视觉中的另一个关键领域，物体检测。这个领域有几种流行的方法，包括更快的R-CNN，RetinaNet，YOLOv3，SSD等。我在本文中尝试了更快的R-CNN。在这里，我想总结一下我所学到的知识，如果你对这个主题感兴趣，可能会给你一点启发。
我使用的快速R-CNN的Keras版本的原始代码是由yhenon编写的（资源链接：GitHub。）他使用了PASCAL VOC 2007,2012和MS COCO数据集。对我来说，我刚从
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
