目标检测

最近一直在学习神经网络，一方面是课题需要，另一方面是因为机器学习已经逐渐成为社会的潮流，各行各业都可以见到神经网络的应用，不学习一下都觉得自己落伍了。趁着这段时间没办法开学，好好学习了一些神经网络的基础内容，也试着把神经网络运用到自己的课题中来，今天在试验SSD目标检测网络的时候，发现要制作自己的训练集首先需要有训练的图片，可是一张一张找实在麻烦，找到了，逐…

  系列博客链接： （一）目标检测概述 https://www.cnblogs.com/kongweisi/p/10894415.html   概述： 1、目标检测-Overfeat模型 2、目标检测-R-CNN模型 　　2.1 完整R-CNN结构（R-CNN的完整步骤） 　　2.2 R-CNN训练过程 　　2.3 R-CNN测试过程 　　2.4 总结(缺点…

这里简单记录和概述学习目标检测算法的心得，尽可能的详细一些，但限于写博客的一些语法和格式不是很好，所以请阅读者见谅！ 概述：1、什么是目标检测 　　　2、目标检测任务描述 　　　　　2.1、目标检测算法分类(接下来我会更新常见的目标检测算法原理) 　　　　　 2.2、目标检测的常见指标 　　　　　 2.3、目标定位的简单实现 1、什么是目标检测 目标检测定义…

Faster-RCNN是基于VGG-16的网络结构，Faster-RCNN的提出为了改进Fast-RCNN中存在的问题。Fasr-RCNN中存在了一个较大的问题，就是selective search候选框，Fastr-RCNN中引入了一个专门的生成候选框的区域的神经网络，也就是选择候选框的工作也交给神经网络来做了，这就引入了RPN网络。Faster-RCNN…

MSCNN（主要解决多尺度同时存在时的检索问题）: 1.针对多尺度问题: 　　由于卷积网络中不同层得到的特征不同，就对不同的特征层加以利用。例如，Conv4-3的底层，一些细节特征会更加清楚可以用来进行小目标的检测；而高层Conv5-3层，对于大目标的检测效果更好可以用来进行大目标检测，对于不同的层设计不同尺度的目标检测器，完成多尺度下的检测问题。 2.针对…

Yolo-V4算法中对网络进行了改进，使用CSPDarknet53。网络结构如下: Yolo-V4与Yolo-V3上相比较: （1）对主干网络进行了修改，将原先的Darknet53改为CSPDarknet53，其中是将激活函数改为Mish激活函数，并且在网络中加入了CSP结构。 （2）对特征提取过程的加强，添加了SPP，PANet结构。 （3）在数据预处理阶…

一、研究意义 卷积神经网络（CNN）由于其强大的特征提取能力，近年来被广泛用于计算机视觉领域。1998年Yann LeCun等提出的LeNet-5网络结构，该结构使得卷积神经网络可以端到端的训练，并应用于文档识别。LeNet-5结构是CNN最经典的网络结构，而后发展的卷积神经网络结构都是由此版本衍生而来。 在过去六年中，由于深度学习和卷积网络的发展和进步，基…

（1）结合一阶段二阶段 　　由单一阶段的算法框架向一阶段二阶段结合的框架发展。 　　针对二阶段需要密集的尾迹处理才能获得尽可能多的参考箱，既费时又低效和一阶段处理速度快但精度较低的问题，提出将一阶段和二阶段结合的方法解决这个问题，实现在保持高精确度的同时消除较多冗余的效果。如何将一阶段和二阶段的优点结合起来仍然是一个很大的挑战。   　　CVPR2020阿里…

　　OpenPCDet: Open-MMLab 面向LiDAR点云表征的3D目标检测代码库 　　随着自动驾驶与机器人技术的不断发展，基于点云表征的3D目标检测领域在近年来取得了不断的发展。然而，层出不穷的点云数据集（KITTI、NuScene、Lyft、Waymo、PandaSet等）在数据格式与3D坐标系上往往定义各不相同，各式各样的点云感知算法（poin…

————————————————————————————————————————————————————————- 转载自： https…