摘要：
背景 R-CNN系列算法检测速度不够快，YOLO v1检测准确率较低，而且无法检测到密集目标。 方法 SSD算法跟YOLO类似，都属于one stage的算法，即通过回归算法直接从原图得到预测结果，为了解决YOLO v1检测效果一般的问题，SSD提出了多尺度检测的方法以及在不同尺度上特征点的defa 阅读全文
摘要：
背景 之前热门的目标检测方法都是two stage的，即分为region proposal和classification两个阶段，本文是对one stage方法的初次探索。 方法 首先看一下模型的网络结构，输入的原图片，经过24个卷积层提取特征，全连接层输出一个7*7*30的tensor，这个ten 阅读全文
摘要：
背景 Fast R-CNN中的region proposal阶段所采用的SS算法成为了检测网络的速度瓶颈，本文是在Fast R-CNN基础上采用RPN(Region Proposal Networks)代替SS。 方法 从图中我们可以看到，RPN的输入为最后一个Conv层输出的feature map 阅读全文