热门标签
热门文章
- 1【AI OpenDevin】开源AI程序员，帮您写代码，开发程序_opendevin怎么使用
- 2sourceTree中git工作流使用_sourcetree git工作流不能用
- 3【计算机毕业设计】基于微信小程序的开发项目150套(附源码+演示视频+LW)
- 4【2024 信息素养大赛c++模拟题】算法创意实践挑战赛（基于 C++）_温州市信息素养提升实践活动计算思维项目c++作品
- 5【数据库&sql】EXISTS、NOT EXISTS、IN、NOT IN的分析及示例_sql 查询 not exists
- 6全网最全深度学习案例整理汇总
- 7【软件工程】建模工具之开发各阶段绘图——UML2.0常用图实践技巧（功能用例图、静态类图、动态序列图&状态图&活动图）_功能模块用uml拿个图
- 8【解决】报错：部署Deformable-DETR环境问题_no module named 'deformable_detr_ops
- 9EEPROM AT24C08的操作_at24c08 page addr
- 10FFmpeg音视频开发知识点（二）_avcodec_receive_frame -11
当前位置: article > 正文
李沐【动手学深度学习】44物体检测算法R-CNN、SSD、YOLO笔记
作者：IT小白 | 2024-04-21 09:11:58
赞
踩
李沐【动手学深度学习】44物体检测算法R-CNN、SSD、YOLO笔记
参考视频：44 物体检测算法：R-CNN，SSD，YOLO【动手学深度学习v2】_哔哩哔哩_bilibili
一、RCNN
1、R-CNN
区域卷积神经网络（R-CNN）是最早将深度学习网络用于目标检测的方法
- 用启发式搜索算法选出多个锚框。
- 用预训练模型对锚框提取特征。
- 用SVM对锚框类别分类。
- 用线性回归模型对锚框偏移进行预测。
2、Fast RCNN
RCNN的改进。先用CNN提取图片中的特征，再在特征图上找锚框的映射。
3、Faster RCNN
Fast RCNN的改进。用一个神经网络（RPN）代替启发式搜索获取锚框。
4、Mask RCNN
Faster R-CNN的修改。全连接层加入FCN，对于像素级别的标号更准确。
二、SSD（单发多框检测）
1.一个基础网络提取特征
2.多个卷积层，每个卷积层高宽减半
3.对每个卷积层生成锚框
4.对每个锚框预测类别和边缘框
三、YOLO
- 将图片分成s*s个锚框
- 对每个锚框预测B个边缘框（一个锚框中可能有多个物体）
声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】
推荐阅读
相关标签
