- 博客(2)
- 收藏
- 关注
RSS订阅原创 yolo系列论文阅读
YOLOv1yolov1提出了一种新的识别方法，不同于RCNN系列将识别问题转化为对候选区域的分类，yolo使用回归方法直接预测目标的类别和位置。
2021-10-18 11:01:27
3873
原创 学习笔记：R-CNN系列论文阅读，用faster-rcnn实现交通标志牌的检测
R-CNN：①对输入图片，使用Seletive Search算法，产生2000个类别独立的候选区域（region proposal） ②用卷积神经网络对每个候选区域提取长度相同的特征向量（由于SS产生的候选区域大小存在差异，在输入神经网络之前，需要将所有候选区域变换到227×227） ③用SVM对每个候选区域分类缺点：①分步训练，让不了解深度学习的人很难进行训练。②提取得到的特征数据需要写入硬盘，以供SVM分类和边界框回归训练使用，造成极大的内存和时间耗费。③显而易见，网络的识别速度很慢。Fast-RC
2021-01-21 17:56:14
1541
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人