首页 > 其他 > 详细

Single-shot Object Detection

时间:2019-12-08 19:42:01      阅读:73      评论:0      收藏:0      [点我收藏+]

技术分享图片

 

 以下转自:http://lanbing510.info/2017/08/28/YOLO-SSD.html

在深度学习出现之前,传统的目标检测方法大概分为区域选择(滑窗)、特征提取(SIFT、HOG等)、分类器(SVM、Adaboost等)三个部分,其主要问题有两方面:一方面滑窗选择策略没有针对性、时间复杂度高,窗口冗余;另一方面手工设计的特征鲁棒性较差。自深度学习出现之后,目标检测取得了巨大的突破,最瞩目的两个方向有:1 以RCNN为代表的基于Region Proposal的深度学习目标检测算法(RCNN,SPP-NET,Fast-RCNN,Faster-RCNN等);2 以YOLO为代表的基于回归方法的深度学习目标检测算法(YOLO,SSD等)。前篇文章介绍了基于Region Proposal的深度学习目标检测算法,本篇将对基于回归方法的深度学习目标检测方法(YOLO,SSD)进行介绍,前者在速度上并不能满足实时要求,后者利用回归的思想(既给定输入图像,直接在图像的多个位置上回归出这个位置的目标边框以及目标类别),很大的加快了检测的速度。

小样本学习与目标识别:小样本学习met+目标识别

Single-shot Object Detection

原文:https://www.cnblogs.com/2008nmj/p/12006829.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!