https://www.bilibili.com/video/BV1yi4y1g7ro?p=2 讲的不错 v2框架 v3框架： 深度拼接， 而FPN是在对应维度上进行相加。 one stage存在正负样本不均衡问题： RPN把正负样本占比限制在1：3 yolov5创新点： yolov4采用了Mosa ...
分类：
其他好文 时间：
2021-06-28 19:39:35
阅读次数：
0
? 本文来自公众号“AI大道理” 解码就是将预测得到的调整参数应用于先验框，从而得到预测框。 ?解码原理 YOLOv3借鉴RPN网络使用anchor boxes来预测边界框相对先验框的offsets。 YOLOv3预测边界框中心点相对于对应cell左上角位置的相对偏移值，使用sigmoid函数处理偏 ...
分类：
其他好文 时间：
2021-06-22 18:47:11
阅读次数：
0
OCR
CTPN： VGG-3*3滑动窗口-Bi-LSTM-全连接-RPN-三输出 ...
分类：
其他好文 时间：
2020-07-02 20:07:39
阅读次数：
193
论文从理论的角度出发，对目标检测的域自适应问题进行了深入的研究，基于H-divergence的对抗训练提出了DA Faster R-CNN，从图片级和实例级两种角度进行域对齐，并且加入一致性正则化来学习域不变的RPN。从实验来看，论文的方法十分有效，这是一个很符合实际需求的研究，能解决现实中场景多样 ...
分类：
编程语言 时间：
2020-06-22 11:08:43
阅读次数：
254
目标的真实边界(ground_truth bounding box)。 而以像素为中心生成多个大小和宽高比(aspect ratio)的边界框，称为anchor box。基于深度学习的目标检测不使用传统的滑窗生成所有的窗口作为候选区域，FasterRCNN提出的RPN网络，处理较少但准确的候选区域。 ...
分类：
其他好文 时间：
2020-06-02 19:14:55
阅读次数：
86
CVPR2020 论文解读：具有注意RPN和多关系检测器的少点目标检测 Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector 具有注意RPN和多关系检测器的少点目标检测 目标检测的惯用方法需要大量的训练数据， ...
分类：
其他好文 时间：
2020-03-14 20:07:40
阅读次数：
112
SSD（Single Shot MultiBox Detector）系列算法属于one-stage算法； SSD算法采用直接回归计算出目标类别和位置。处理对象为原始图像经过卷积之后的feature map。 与two-stage算法的区别是，不需要proposal box候选框的提取，即不需要RPN ...
分类：
编程语言 时间：
2020-03-03 10:50:17
阅读次数：
95
此处模拟 rpn_feature_maps数据的处理，最终得到rpn_class_logits, rpn_class, rpn_bbox。 代码如下： import numpy as np'''层与层之间主要是中间变量H与W不一致，则此处模拟2层，分别改为8与4'''# 模拟某层，如p3a1=np. ...
分类：
其他好文 时间：
2019-12-01 19:12:23
阅读次数：
156
一、vector和list的不足：无法兼顾静态操作和动态操作的性能 二、半线性结构：树 层次关系的表示 RPN表达式： 1 2 + 3 + 域名系统 、大学系统 rooted tree （有根树），子树（subtree） ri称为r的孩子（child）,ri之间互称为兄弟（sibling）。r为其父 ...
分类：
其他好文 时间：
2019-09-02 15:39:16
阅读次数：
105
目标检测算法可以分为两类： 一类是基于region proposal的R-CNN系列算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage的。要先使用启发式方法（selective search）或者CNN网络（RPN）产生region proposal，然后 ...
分类：
其他好文 时间：
2019-08-26 14:40:27
阅读次数：
136
