-
1 段階 (単一段階のターゲット検出): SSD、YOLO など。
分類と境界ボックスの調整は、アンカーに基づいて直接実行されます。 -
2 段階 (2 段階のターゲット検出): たとえば、より高速な RCNN は、
特別なモジュールを通じて候補フレーム (RPN) を生成し、前景を見つけて境界ボックスを調整し (アンカーに基づいて)、以前に生成された
候補に基づいて分類します。フレームを調整し、バウンディング ボックスをさらに調整します (提案に基づく)。より高速な RCNN のコードは、主に公式サンプル
の GitHub を利用しています: https://github.com/WZMIAOMIAO/deep-learning-for-image-processing CSDN: https://blog.csdn.net/qq_37541097、Sunflower小さな緑豆サンダーボルト ステーション B: https://space.bilibili.com/18161609/channel/series
ターゲット検出 - 0. ターゲット検出への序文
おすすめ
転載: blog.csdn.net/ThreeS_tones/article/details/129792568
おすすめ
ランキング