卷积神经网络网络目标检测
看了这篇文章，了解深度卷积神经网络在目标检测中的进展
近些年来，深度卷积神经网络（DCNN）在图像分类和识别上取得了很显著的提高。回顾从 2014 到 2016 这两年多的时间，先后涌现出了 R-CNN，Fast R-CNN,Faster R-CNN,ION,HyperNet,SDP-CRC,YOLO,G-CNN,SSD 等越来越快速和准确的目标检测方法。...
【动手学计算机视觉】第十讲：传统目标检测之卷积神经网络概述
卷积神经网络概述按功能对卷积神经网络进行分类主要可以分为两类，检测(detection)分割(segmentation)检测的目的是要判断一副图像中是否有特定的目标，以及它所在的位置，通过一些手段识别出它所在的包围合区域。分割的目的要更加严格一些...
吴恩达《卷积神经网络》精炼笔记（3）-目标检测
除此之外，本周课程将继续深入介绍目标定位和目标检测（包含多目标检测）。原始图片经过CONV卷积层后，Softmax层输出8 x 1向量。除了包含上述一般CNN分类3 x 1向量（class label）之外，还包含了(bx,by)，表示目标中心位置坐标；还包含了bh...
YOLT——利用卷积神经网络对卫星影像进行多尺度目标检测（Part I）
以下为译文：利用卷积神经网络，对于卫星影像中多尺度目标检测而言，你只需要看两次（Part I）在大片物体中检测小物体一直是卫星图像分析感兴趣的主要点之一。早期的工作是利用本地滑动窗和HOG特征描述确定船的位置，但存在的缺点是高度不...
YOLT——利用卷积神经网络对卫星影像进行多尺度目标检测（Part I）
以下为译文：利用卷积神经网络，对于卫星影像中多尺度目标检测而言，你只需要看两次（Part I）在大片物体中检测小物体一直是卫星图像分析感兴趣的主要点之一。早期的工作是利用本地滑动窗和HOG特征描述确定船的位置，但存在的缺点是高度不...
