目标检测,从over feat到R-CNN的总结

首先我们看over feat:

它的基本思路是通过构建不同大小的建议框,以一种暴力破解的方式滑动候选框,计算当前位置是这个物体的概率,选出概率最大的框。

R-CNN如下图所示:

首先一张图片输入进来,会用大约2000个候选框,然后为了适应CNN将这些候选框进行变形送进CNN,然后将CNN得到的特征向量送入SVM得到图像的类别,回归得到正确的候选框的位置。

     

猜你喜欢

转载自blog.csdn.net/weixin_38241876/article/details/85014049