Faster R-CNN 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
Faster R-CNN 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
Faster R-CNN 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !
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
开源组织
地区 不详
投 递 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
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 objects: 100% (1675/1675), 2.45 MiB | 429.00 KiB/s, done. Resolving deltas: 100% (1090/1090), done....

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-union ( IOU ) 对于识别任务,卷积神经网络可以很好的帮助我们完成,但是定位任务则更加麻烦一些,我们接下来讨论...

0
0
发表了博客
2020/12/11 09:09

Faster RCNN原理介绍

原理 Faster RCNN主要可以分为四个内容: Conv layers。作为一种CNN网络目标检测方法,Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。 Region Proposal Networks。RPN网络用于生成区域建议框。该层通过softmax判断anchors属于前景或者背景,再利用预测框回归修正anchors获得精确的建议框。 Roi Pooling。该层收集输入的feature maps和建议框,综合这...

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,Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后...

0
0
发表了博客
2018/07/14 20:38

faster-rcnn原理讲解

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 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 RCNN基本结构(来自原论文) 依作者看来,如图1,Faster RCNN其实可以分为...

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
8 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部