知识卡片
候选区域学习目标特征
区域卷积检测把可能有目标的图像区域逐一交给卷积网络抽取特征,再分类为特定目标或背景。若两个候选框高度重叠,原版 R-CNN 仍分别计算特征,重复计算构成改进动机。
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
- 第3章 深度学习与智能驾驶 3.2 基于特征描述与分类器的行人检测方法及技术 · 查看原书依据
是目标的若干图像局部区域,然后把这些区域分别输入CNN中,得到区域的特征,再在特征上通过分类器判断特征对应的区域属于具体某类目标还是背景。这一结构存在重复计算的问题,针对这一问题,后续又有人
参考来源
- 位置:《人工智能:智能驾驶》第3章 深度学习与智能驾驶,3.2 基于特征描述与分类器的行人检测方法及技术(book-source:extracted/人工智能:智能驾驶/_epub-src/OEBPS/Text/chapter6.xhtml#A531f003a-d66d-475a-ac61-d09a69464a21)
- 结论依据:R-CNN 例子有候选区域、卷积特征与分类三步,并讨论重复计算。
- 原始内容:是目标的若干图像局部区域,然后把这些区域分别输入CNN中,得到区域的特征,再在特征上通过分类器判断特征对应的区域属于具体某类目标还是背景。这一结构存在重复计算的问题,针对这一问题,后续又有人