摘要：
R-CNN（regions with CNN features） RCNN是RBG在2014年提出的一种目标检测算法，RCNN借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测。 RCNN采用的特征区域提取的方法为selective search，通过计算区域集中每 阅读全文
posted @ 2021-06-05 11:47
Liang-ml
阅读(116)
评论(0)
推荐(0)
摘要：
Non-max suppression 选出置信度最高的候选框，如果和当前最高分的候选框重叠面积IoU大于一定阈值，删除它。 即删除最高分候选框一定范围内的临近候选框。 当存在多个预测目标时，先选取置信度最大的候选框b1，然后根据IoU阈值来去除b1候选框周围的候选框。然后在选取置信度第二大的候选框 阅读全文
posted @ 2021-06-05 10:42
Liang-ml
阅读(39)
评论(0)
推荐(0)
摘要：
mAP用于多标签分类任务，该类任务的标签有很多个，首先 1. 用训练好的模型获得所有测试样本的置信度confidence score 2. 将训练好的置信度进行排序 3. 得到Top-5的结果 4. 计算准确率和召回率 precision & recall 在实际的多类别任务中，需要知道Top-1 阅读全文
posted @ 2021-06-05 10:13
Liang-ml
阅读(754)
评论(0)
推荐(0)
摘要：
1 x 1卷积的作用： 1. 引入非线性：相当于全连接过程，加入非线性，增加了网络的非线性，使得网络可以表达更复杂的特性。 2. 特征降维： 对通道数进行放缩，减少参数，减小计算量。 如上图所示，加入1x1卷积后，计算量得到大大减少。 空洞卷积：可以获得更大的特征图，更加密集的数据，在相同的感受野下 阅读全文
posted @ 2021-06-05 10:02
Liang-ml
阅读(75)
评论(0)
推荐(0)
浙公网安备 33010602011771号