内容简介：Ross Girshick Jeff Donahue Trevor Darrell Jitendra MalikR-CNN是由 Ross Girshick (RBG 大神) 等人提出，方法如下。Region Proposal 就是上面第2部分中多個黃色框框，找尋region proposal 的方法有很多種，可以是最簡單的 Sliding Window(方框大小固定並掃過)或是這篇Paper所使用的 Selective Search 由 Felzenszwal 於 2004 年提出
Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik Rich feature hierarchies for accurate object detection and semantic segmentation , 2014
R-CNN是由 Ross Girshick (RBG 大神) 等人提出，方法如下。
- 產生一群約 2000 個可能的區域 (Region Proposals)
- 用原圖訓練一個CNN模型(提取特徵用)。
- 將Region Proposals resize後輸入訓練好的CNN模型提取特徵。
- 然後再將特徵以 SVM (Support Vector Machine) 分類器來區分是否為物體或者背景。
- 最後經由一個線性回歸模型來校正 bounding box 位置。
Region Proposal
Region Proposal 就是上面第2部分中多個黃色框框，找尋region proposal 的方法有很多種，可以是最簡單的 Sliding Window(方框大小固定並掃過)或是這篇Paper所使用的 Selective Search 由 Felzenszwal 於 2004 年提出 Graph Base Image Segmentation 。
Selective Search
Selective Search 使用階層群聚演算法 以 Graph Based Segmentation 的結果為基礎，進行階層式的合併 (會根據顏色、紋理、大小、形狀相似度優先對區塊較為相似的部分進行合併)，然後產生最後的候選區域。
但是 R-CNN 有些重大的問題
- 一開始必須先產生約 2000 個區域，每個區域都要進 CNN 中提取特徵，所以需要跑過至少 2000 次的 CNN。速度太慢，一張圖片需要50秒才有辦法辨識完成。
- 模型分成三部份，取出特徵的 CNN，分類的 SVM，以及 bounding box 的線性回歸，訓練繁瑣。
所以 原作者Ross Girshick 在 2015 年又提出了一個改良版本，Fast R-CNN。
參考資料：
Rich feature hierarchies for accurate object detection and semantic segmentation
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Go语言学习笔记
雨痕 / 电子工业出版社 / 2016-6 / 89
作为时下流行的一种系统编程语言，Go 简单易学，性能很好，且支持各类主流平台。已有大量项目采用 Go 编写，这其中就包括 Docker 等明星作品，其开发和执行效率早已被证明。本书经四年多逐步完善，内容覆盖了语言、运行时、性能优化、工具链等各层面知识。且内容经大量读者反馈和校对，没有明显的缺陷和错误。上卷细致解析了语言规范相关细节，便于读者深入理解语言相关功能的使用方法和注意事项。下卷则对运行时源......一起来看看 《Go语言学习笔记》 这本书的介绍吧!
