(完整版)R-CNN系列完整版.pptVIP

R-CNN系列 传统目标检测基于候选区域的目标检测回归方法的深度学习目标检测RCNNSPPNETfast-RCNNfaster-RCNNYOLO 区域选择特征提取分类器分类滑动窗口策略手工设计特征SVM、adaboost等两个问题传统目标检测1 0 -10 -11 0 -11 1 10 0 0-1 -1 -1 基本概念Region proposalsCNN：卷积神经网络R-CNN：Region with CNN features将检测问题转换成为region proposals的分类问题Selective Search：选择性搜索Warp：图像Region变换Supervised pre-training：有监督预训练也称迁移学习IOU：交并比IOU=(A∩B)/(A∪B)NMS：非极大值抑制DPM：使用判别训练的部件模型进行目标检测 selective searchWarpPASCAL VOC上的检测率从35.1%提升到53.7%基于候选区域的目标检测用SGD训练CNNImageNet 1000 ?(N+1) classification layer(N: 目标类数目)CNN架构不变class-specific linear SVMs 给出每类概率IOU：交并比NMS:非极大值抑制 区域提名：通过Selectiv