文章预览
点击下方 卡片 ,关注“ 小白玩转Python ”公众号 R-CNN(Regions with Convolutional Neural Networks)家族包括几种模型,它们通过利用区域提议网络和深度学习技术来改进目标检测。 Faster R-CNN:作为R-CNN家族的扩展,Faster R-CNN使用区域提议网络(RPN)生成物体的潜在边界框,然后应用CNN进行分类和细化。 Mask R-CNN:作为Faster R-CNN的扩展,Mask R-CNN除了边界框分类外,还增加了一个分支来预测每个感兴趣区域(RoI)的分割掩码。 R-CNN 原始的R-CNN模型引入了目标检测的两阶段方法。它首先使用选择性搜索生成区域提议,然后使用CNN对这些区域进行分类。虽然有效,但由于独立的阶段,它的计算成本很高。 区域提议:首先使用选择性搜索等方法生成潜在的物体位置(感兴趣区域)。 特征提取和分类:然后调整每个提议区域的大小并输入CNN进行特征提取。CNN对每个区
………………………………