文章目錄
計算機視覺:圖像分類、目標檢測、目標分割
一、人臉檢測
- 人臉檢測屬於目標檢測的一種:目標爲檢測一張圖像中是否存在人臉,以及人臉的位置
- 數據集:
- 人臉採集介紹:
- 人臉數據集的構造
二、Faster-RCNN
1) 發展歷程以及解決的問題
2) 傳統目標檢測流程
3) RCNN
- 步驟
- 缺點
4) SPPNet
5) Fast RCNN
- 介紹
- 網絡結構
- Fast RCNN創新的操作
- Fast RCNN與R-CNN相比速度大幅提升
- Fast RCNN網絡缺點
6) Faster RCNN
- 網絡流程
- 網絡結構
- 在Faster-RCNN中是如何定義和使用RPN網路的
- 性能對比
7) 後續改進網絡
1、HyperNet
- 對小物體檢測能夠有一個比較好的效果
2、RFCN
- 主要對pooling層進行改進
3、Light-Head RCNN
- 只要是通過對faster rcnn 的head部分進行優化,減少部分計算量
4、Mask RCNN
5、Cascade RCNN
6、CoupleNet
7、faster rcnn中兩種常用的方法
- 在線能力挖掘:實現主要是通過兩個roi網絡來實現的,第一個:針對於輸入樣本的損失來進行計算,完成難例挖掘的過程。第二個網絡是實際用來訓練的網絡,通過兩個網絡相互協調來實現對其進行優化的目的。
- 軟的nms :相對於hard nms,改變將閾值小於iou的閾值直接置爲0,而是對閾值進行衰減的處理,或降低閾值,通過這種操作,保留更多的信息。能夠在一定程度上減少漏檢率