0
点赞
收藏
分享

微信扫一扫

稀疏&集成的卷积神经网络学习(续)


昨天跟大家详细的说了分类,定位的一些相关知识,今天把剩下的最后一点知识给大家补充完整,也感谢大家一直的支持,谢谢!

昨天的推送告诉大家了分类方案,我们再温习一下:

稀疏&集成的卷积神经网络学习(续)_目标检测

今天我们简单的说说“基于类别聚合的目标检测”技术。该技术是基于候选区域实现的。


稀疏&集成的卷积神经网络学习(续)_目标检测_02

引入类别信息: 减少假阳性(False Positive),提高检测精度和效率

目标检测: 类别聚合(CA)

稀疏&集成的卷积神经网络学习(续)_数据分布_03

目标: 共现关系(CO)

稀疏&集成的卷积神经网络学习(续)_数据分布_04

DET: 实验结果

稀疏&集成的卷积神经网络学习(续)_多窗口_05

类别聚合:Run4 VS. Run3, 验证集上提高0.9%,但测试集上略低,可能是测试集和训练集在数据分布上存在差异;

共现关系: Run5 VS. Run4,在验证集和测试集上均提高;

多窗口融合有效: Run5 VS. Run1 / Run2 ,在验证集和测试集上均提高。

DET: 结果展示

稀疏&集成的卷积神经网络学习(续)_数据分布_06

  



举报

相关推荐

0 条评论