《表1 目标检测准确率对比》
之后产生了一系列目标检测算法:在CVPR大会上提出的RCNN(Reigions with CNN),通过探索性选择滑动目标窗口形式,生成有可能包含被检测物体的目标窗口,并且逐一采取分类器识别方式对所有窗口进行识别,然后通过对候选滑动窗口的处理去除冗余窗口;Fast-Rcnn[7]以及Faster-Rcnn[8]逐渐将提取特征图的部分与分类部分合二为一,前者将特征图输入到一个全连接层中,从而得到相应的回归判定,后者则将提取特征图部分融合到神经网络中,实现了一体化操作。这两种算法将VOC 2007上的MAP分别提升至70%、73.2%。多模型在相同数据集上的对比表现如表1所示。
图表编号 | XD00122103800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 宋建国、吴岳 |
绘制单位 | 山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |