xiaohuilang6的博客

以下内容摘自斯坦福cs231n目标检测课程：计算机视觉任务：ImageNet 分类和定位任务：Idea #1：定位问题视为回归问题实现步骤：1. 训练（或下载）一个分类模型（AlexNet, VGG, Inception）2. 添加新的全连接层用作“回归”3. 仅训练“回归”模块，SGD，L2 Loss4. 测试时加入“分类”和“回归”回归分为两种：独立于类别的回归：Class agnostic （4 numbers / per box

Faster R-CNNFaster R-CNN主要贡献是提出RPN网络，用于替代Selective Search或其他的图像处理分割算法，实现端到端的训练（end-to-end）。1.卷积层后插入RPNRPN经过训练后直接产生Region Proposal，无需单独产生Region Proposal。2. RPN后接ROI Pooling和分类层、回归层，同Fast R-CNN。候选区域（anchor）特征图可以看做一个尺度51*39的256通道图像，对于该图像的每..

比YOLO: You Only Look Once 还要快，还要精确。保证速度的同时，其结果的 mAP 可与使用 region proposals 技术的方法（如 Faster R-CNN）相媲美。 为了得到高精度的检测结果，在不同层次的 feature maps 上去 predict object、box offsets，同时，还得到不同 aspect ratio 的 predictions。...

整个R-FCN的结构一个base的conv网络如ResNet101, 一个RPN（Faster RCNN来的）,一个position sensitive的prediction层，最后的ROI pooling+投票的决策层。R-FCN的idea出发点（关键思想）分类需要特征具有平移不变性，检测则要求对目标的平移做出准确响应。现在的大部分CNN在分类上可以做的很好，但用在检测上效果不佳...

RetinaNet 是来自Facebook AI Research 团队2018年的新作，在当前的目标检测领域是最强的网络(速度/精度/复杂度)。下面两张是基于COCO 本地测试集的实验数据:主要贡献：在One stage中，detector直接在类别不平衡（负样本很多，正样本很少）中进行分类和回归，直接输出bbox和类别，原有的交叉熵损失无法处理这种不平衡，导致训练不充...

FPN（feature pyramid networks）特征金字塔是多尺度目标检测系统中的一个基本组成部分。近年来深度学习目标检测却有意回避这一技巧，部分原因是特征金字塔在计算量和用时上很敏感（一句话，太慢）。这篇文章，作者利用了深度卷积神经网络固有的多尺度、多层级的金字塔结构去构建特征金字塔网络。使用一种自上而下的侧边连接，在所有尺度构建了高级语义特征图，这种结构就叫特征金字塔网络（FPN...

在输入320×320的图片后，YOLOv3能在22毫秒内完成处理，并取得28.2mAP的成绩。它的精度和SSD相当，但速度要快上3倍。和旧版数据相比，v3版进步明显。在Titan X环境下，YOLOv3的检测精度为57.9AP5057.9AP50，用时51ms；而RetinaNet的精度只有57.5AP5057.5AP50，但却需要198ms，相当于YOLOv3的3.8倍。以下原文翻译：...

YOLOv2是YOLOv1的改进，在保证速度的同时mAP更高，并保持着自己作为one-stage方法的优势（1）Batch NormalizationBatch Normalization可以提升模型收敛速度，而且可以起到一定正则化效果，降低模型的过拟合。在YOLOv2中，每个卷积层后面都添加了Batch Normalization层，并且不再使用droput。使用Batch Normal...

YOLO将物体检测作为一个回归问题进行求解，输入图像经过一次inference，便能得到图像中所有物体的位置和其所属类别及相应的置信概率。而rcnn/fast rcnn/faster rcnn将检测结果分为两部分求解：物体类别（分类问题），物体位置即bounding box（回归问题）。YOLO检测网络包括24个卷积层和2个全连接层，如下图所示。（YOLO网络借鉴了GoogLeNet分类网络结...