Faster R-CNN 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
Faster R-CNN 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
授权协议 MIT
开发语言 Python
操作系统 跨平台
软件类型 开源软件
开发厂商
地区 不详
提 交 者 王练
适用人群 未知
收录时间 2017-02-23

软件简介

Faster R-CNN 可以简单地看做是 R-CNN 和 Fast R-CNN 的升级版,或者可以看成是“区域生成网络+Fast R-CNN”的系统,用区域生成网络代替 Fast R-CNN 中的 Selective Search 方法。

R-CNN 系列方法对比:

Faster R-CNN(其中 R 对应于“Region(区域)” )是基于深度学习 R-CNN 系列目标检测最好的方法。使用 VOC2007+2012 训练集训练,VOC2007 测试集测试mAP达到73.2%,目标检测的速度可以达到每秒5帧。

技术上将 RPN 网络和 Fast R-CNN 网络结合到了一起,将 RPN 获取到的 proposal 直接连到 ROI pooling 层,是一个 CNN 网络实现端到端目标检测的框架。

Faster R-CNN 卷积阶段:

介绍内容来源:XZZPPP

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
暂无内容
发表了博客
2018/02/23 23:27

Faster RCNN

RPN(Region Proposal Networks)架构: 图片来源于:http://blog.csdn.net/shenxiaolu1984/article/details/51152614 raw feature extraction net: 其中的原始特征提取可以用7层的ZF或者16层的VGG或者自己写的CNN网络。之后得到51*39*256的原始特征,再加一个卷积核大小为3*3的conv+relu层使得输出与原始特征相同的特征。...

0
0
发表了博客
2019/05/15 15:37

ubuntu18 faster-rcnn

luo@luo-All-Series:~/MyFile$ luo@luo-All-Series:~/MyFile$ luo@luo-All-Series:~/MyFile$ git clone https://github.com/endernewton/tf-faster-rcnn.git Cloning into 'tf-faster-rcnn'... remote: Enumerating objects: 1675, done. remote: Total 1675 (delta 0), reused 0 (delta 0), pack-reused 1675 Receiving...

0
0
发表了博客
2018/05/28 20:20

py-faster-rcnn

踩坑: 1. 服务器上训练: sh ./experiments/scripts/faster_rcnn_end2end.sh 会各种报错 有说是因为#!/bin/bash的问题,改过,不行。 改成如下ok sudo ./experiments/scripts/faster_rcnn_end2end.sh 2. __C.DEDUP_BOXES = 1./16. 取决于网络结构,就是之前pool和stride的大小。关于这个参数,大神git上有回复#34。 3....

0
0
发表了博客
2018/09/11 21:07

『计算机视觉』经典RCNN_其一:从RCNN到Faster-RCNN

RCNN介绍 目标检测-RCNN系列 一文读懂Faster RCNN 一、目标检测 1、两个任务 目标检测可以拆分成两个任务:识别和定位 图像识别(classification) 输入:图片 输出:物体的类别 评估方法:准确率 定位(localization) 输入:图片 输出:方框在图片中的位置(x,y,w,h) 评估方法:检测评价函数 intersection-over-unio...

0
0
发表了博客
09/17 18:06

从RCNN到Fast RCNN,再到Faster RCNN的奥秘

目标检测是近年来理论和应用的研究热点,它是图像处理和计算机视觉学科的重要分支,也是智能监控系统的核心部分,同时目标检测也是泛身份识别领域的一个基础性算法,对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。 在深度学习浪潮到来之前,目标检测精度的进步十分缓慢,靠传统依靠手工特征...

0
0
发表了博客
2019/04/06 02:17

Faster-RCNN理解

一、Faster-RCNN基本结构 该网络结构大致分为三个部分:卷积层得到高位图像特征feature maps、Region Proposal Network得到候选边框、classifier识别出物体及得到准确bounding box。 二、feature maps 最后一层卷积层输出。 三、RPN 1、RPN(Region Proposal Networks) feature maps再以3x3的卷积核进行卷积得到256xHxW...

0
0
发表了博客
2018/10/11 16:07

faster-rcnn 论文讲解

Faster RCN已经将特征抽取(feature extraction),proposal提取,bounding box regression(rect refine),classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显。 图1 Faster CNN基本结构(来自原论文) Faster RCNN其实可以分为4个主要内容: Conv layers。作为一种CNN网络目标检测方法...

0
0
发表了博客
2018/07/07 17:26

小刘的深度学习---Faster RCNN

前言: 对于目标检测Faster RCNN有着广泛的应用,其性能更是远超传统的方法。 正文: R-CNN(第一个成功在目标检测上应用的深度学习的算法) 从名字上可以看出R-CNN是 Faster RCNN 的基础。正是通过不断的改进才有了后面的Fast RCNN 和 Faster RCNN。 R-CNN的流程可以分为4个步骤: 用SS(Sekective Search) 找候选区域...

0
0
发表了博客
2018/12/20 16:19

faster-rcnn原理讲解

https://www.cnblogs.com/longriyao/p/5832274.html http://www.cnblogs.com/chaofn/p/9310912.html 文章转自:https://zhuanlan.zhihu.com/p/31426458 经过R-CNN和Fast RCNN的积淀,Ross B. Girshick在2016年提出了新的Faster RCNN,在结构上,Faster RCNN已经将特征抽取(feature extraction),proposal提取,bounding ...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
7 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部