知识卡片
候选区域网络将候选框预测接入共享特征
R-CNN逐个区域运行卷积。Fast R-CNN在整图共享卷积后从同一特征图抽取区域,仍需外部候选。Faster R-CNN以 RPN在共享特征图上预测候选的前景分数和相对锚点的偏移,再交给第二阶段分类和精修。
结构图:
flowchart LR
I[输入图像] --> B[共享卷积特征]
B --> R[RPN预测并筛选候选框]
B --> P[抽取区域特征]
R --> P
P --> H[类别判断与框位置精修]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- CV和视觉识别经典模型 · 查看原书依据
如何通过卷积神经网络来直接完成候选区域。
参考来源
- 位置:《机器学习观止:核心原理与实践》第19章《CV和视觉识别经典模型》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter19.xhtml`)。
- 结论依据:19.3.3至19.6.3的演进及RPN目标。
- 原始内容:如何通过卷积神经网络来直接完成候选区域。