共 51 条公开笔记
实时目标检测设计的神经网络架构
兴趣区域池化层
RoI池化层是一种特殊的池化层，可以将不同大小的输入映射到固定大小的输出
精确定位目标
基本纹理、颜色等低级信息
每个RoI将被划分为7×7个子区域
对小目标检测效果
位置量化问题
RoI池化层能够将不同大小的候选区域映射为固定大小的特征向量，从而适应全连接层的要求
较大的特征图感受野较小，适合检测相对较小的物体，而较小的特征图感受野较大，适合检测相对较大的物体。
融合不同尺度的特征图
选择性搜索（Selective Search, SS）生成候选区域和CNN提取特征
模型在不同召回率下的平均精度
交并比是指两个边界框的交集面积与并集面积的比值
前向传播提取固定长度的特征向量
负样本被错误检测为正样本
正样本未被检测出来
相对于输入图像大小
边界框是用于标记图像中目标位置的基本工具
语义分割是对图像中的每一个像素进行分类，标识出每个像素所属的对象类别
锚框的主要作用是为模型提供一个预定义的边界框集合，作为预测物体位置的基准。
对每个具体的物体实例进行分割
滑动窗口
真实边界框是模型训练和评估的标准答案，用于指导模型学习如何正确定位和识别目标物体
