1.算法簡(jiǎn)介

    《Rich feature hierarchies for Accurate Object Detection and Segmentation》這篇文章的算法思想又被稱之為：R-CNN（Regions with Convolutional Neural Network Features），是物體檢測(cè)領(lǐng)域曾經(jīng)獲得state-of-art精度的經(jīng)典文獻(xiàn)。

   這篇paper的思想，改變了物體檢測(cè)的總思路，現(xiàn)在好多文獻(xiàn)關(guān)于深度學(xué)習(xí)的物體檢測(cè)的算法，基本上都是繼承了這個(gè)思想，這篇文章解釋了物體檢測(cè)和圖片分類的區(qū)別：圖片分類不需要定位，而物體檢測(cè)需要定位出物體的位置，也就是相當(dāng)于把物體的bbox檢測(cè)出來(lái)，還有一點(diǎn)物體檢測(cè)是要把所有圖片中的物體都識(shí)別定位出來(lái)。

paper采用的方法是：首先輸入一張圖片，我們先定位出2000個(gè)物體候選框，對(duì)于每一個(gè)region proposal 都wrap到固定的大小的scale,227*227(AlexNet Input),然后采用CNN提取每個(gè)候選框中圖片的特征向量，特征向量的維度為4096維，對(duì)于每一個(gè)類別，我們都會(huì)得到很多的feature vector，然后把這些特征向量直接放到svm現(xiàn)行分類器去判斷，當(dāng)前region所對(duì)應(yīng)的實(shí)物是background還是所對(duì)應(yīng)的

總結(jié)

以上是生活随笔為你收集整理的基于FAST-RCNN深度学习的目标识别算法的MATLAB仿真的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。