你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
没有找到相关结果
libai
赞同来自: 诗大人 、王蒙蒙 、佛仙魔
moyan - 填坑填坑
赞同来自: caffe
王蒙蒙 - CaffeCN社区志愿者
赞同来自:
要回复问题请先登录或注册
深度学习,多目标识别,语义分析(在学)
3 个回复
libai
赞同来自: 诗大人 、王蒙蒙 、佛仙魔
RCNN -> SPPNET -> Fast-RCNN ->Faster-RCNN
1、RCNN奠定了现在检测的大框架:
object proposal -> feature extract -> classification
分别是:selective search 、CNN、SVM
2、SPPNET:
在feature extract中CNN的Pooling层做了点改动,使得网络输入图像的尺寸不需要固定。
3、Fast-RCNN:
feature extract 与 classification 用network来实现 有明显加速
4、Faster-RCNN:
用RPP-NET(Region Proposal Network)实现了object proposal,于是能够用一个network来实现
object proposal -> feature extract -> classification
这样一个原本在RCNN里用了三部分实现的流程,速度提高,效果上升
5、先看RCNN,了解整个大框架,理解object proposal这个东西,再看Fast-RCNN,怎么用Network来结合特征提取与训练这两部分,最后看Faster-RCNN,object proposal怎么用network去实现,proposal network与detection network一起训练的训练方法。
6、最重要的是,看论文,仔细看论文会有很多收获,看代码。当然可以先跑下Faster-RCNN的代码,参照原作者的Github,有详细的流程,体验一下威力如何。
moyan - 填坑填坑
赞同来自: caffe
王蒙蒙 - CaffeCN社区志愿者
赞同来自: