次へ：深記事-ターゲット検出の履歴（ⅱ） 精巧なR-CNNの標的検出
ディレクトリ内容
深さ記事-ターゲット検出履歴（） 、古典的な目標検出に関して
深さ記事-ターゲット検出の履歴（ⅱ） 精巧なR-CNNの標的検出
深さ記事-ターゲット検出履歴（c）は、 SPP-Netのターゲット検出を手の込んだ
深さ記事-ターゲットの検出履歴（4） 高速化の目標検出からR-CNNの高速R-CNNを精巧
深さ記事-ターゲット検出履歴（5） 精巧なSSDの目標検出
深さの記事-ターゲット検出履歴（VI） 手の込んだYOLO-V3の目標検出
深さの記事-ターゲットの検出履歴（7） 詳細のYOLO-V3オブジェクトコードの検出を手の込んだ
深さ記事-ターゲット検出履歴（8） 手の込んだCornerNet-Liteのターゲット検出
論文住所：
このセクションでは、古典的な標的の検出、次のセクション対象検出精巧R-CNN
A.クラシック物体検出
1.最初の部分：トレーニングセットの設定
（1）負のサンプル
①。融合域を使用して選択検索方法
②。算出された各領域と領域標識グランドトゥルースのためのバウンディングボックスとの間の一致、領域Aおよび50％の20％の間のグランドトゥルースの間の一致度であれば、Aおよび任意の他の既に発生した負サンプル一致は、負のサンプルとして採用され、70％以下です。
（2）陽性試料
地上真実は、正のサンプルとして手でマークされ、それらの領域です。
2.パートII：各陽性/陰性サンプルの抽出機能
補助SIFT、二色SIFT、拡張相手SIFTを増加させながらHOGは、+袋のワード特性を備え、RGB-SIFTは36万をずらすに寸法を追加する4つのこのような機能を備えています。
3.パートIII：SVM分類器のトレーニング。
4.パートIV：フィードバック偽陽性（偽陽性例）
これらの「偽陽性」収集し、SVMの訓練は、ちょうど二SVMの訓練に、一般的には二次研修を通してSVMの分類精度は、いくつかの改善があるだろう、その初期重みとして正しい値を取得します。
テストプロセス
（1）得られた試験画像上の選択探索候補領域を有する第一の方法
各エリア（2）次に、抽出された特徴ベクトル
（3）。焼くSVMソフト分類を訓練し
（4）。これらの領域は、確率値に従ってソートされ
（5）。確率値を除去し、0.5未満の領域であります
0.5より確率以上のそれらの値（6）、より高いその領域よりIOU及び各領域のスコアとの間の重なりの程度の計算、重なりの度合いが除去領域（非最大値を入れて、30％よりも大きい場合抑制）。
（7）対象領域として最後に残っている領域。
次へ：深記事-ターゲット検出の履歴（ⅱ） 精巧なR-CNNの標的検出
