《Region-based Convolutional Networks for Accurate Object Detection and Segmentation》是將卷積神經網(wǎng)絡應用于物體檢測的一篇經典文章。

整個識別過程可以用下面的一張圖片來清晰的表示：

首先給定一張輸入圖像，采用selective search產生區(qū)域提名，因為區(qū)域提名的長寬比例不一樣，將提取出的區(qū)域縮放為固定的大小和長寬比例以便于送入CNN模型進行運算。通過CNN運算后，得到一個特征向量，然后通過線性SVM來判斷這個區(qū)域是否屬于某個類別。

1.要想做檢測，首先需要的是區(qū)域提名，文章中提到了很多種區(qū)域提名的方法：objectness [51], selective search [21], category-independent?object proposals [52], constrained parametric min-cuts?(CPMC) [22], multi-scale combinatorial grouping [35] 。 本文中用了selective search?（J. Uijlings, K. van de Sande, T. Gevers, and A. Smeulders, “Selective search for object recognition,”IJCV, 2013 ）作為區(qū)域提名的方法。通過該方法，對于每張圖片可以產生大概2000個候選區(qū)域。

2.網(wǎng)絡采用的是經典的AlexNet網(wǎng)絡，文中稱之為TorontoNet，其實是同一個網(wǎng)絡。訓練過程中，采用梯度下降法，在VOC和ILSVRC2013?兩類數(shù)據(jù)集上分別進行訓練，在網(wǎng)絡的最后，不是采用softmax而是針對沒一個類別單獨的訓練一個線性SVM。

總結

以上是生活随笔為你收集整理的【论文笔记】Region-based Convolutional Networks for Accurate Object Detection and Segmentation的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。