- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI那点小事
【计算机视觉——RCNN目标检测系列】二、边界框回归（Bounding-Box Regression）
为了之后更加顺利理解RCNN模型，在这篇博文中我们将主要介绍RCNN及其改进版本——Fast RCNN和Faster RCNN中一个重要模块——边界框回归（Bounding-Box Regression 因此掌握边界框回归（Bounding-Box Regression）是极其重要的，这是熟练使用RCNN系列模型的关键一步，也是代码实现中比较重要的一个模块。 接下来，我们对边界框回归（Bounding-Box Regression）进行详细介绍。 首先我们对边界框回归的输入数据集进行说明。输入到边界框回归的数据集为 ? ，其中 ? ， ? 。 ?
2.2K20发布于 2020-04-15 - 来自专栏机器学习原理
RCNNRCNN的检测流程：Bounding-box回归
proposal相交，且IoU（intersection over union，即相交面积比这两个proposal的并集面积之比）小于于一定阈值的情况下，则抛弃该proposal 正负样本比例应该在1;3左右 Bounding-box Bounding-box Regression训练的过程中，输入数据为N个训练对 ? 其中 ? 总的来说设计Bounding-box回归是为了使得提高定位效果，就是在原来定位的基础上进行微调使得，定位更加准确。如下图： ?
1.3K20发布于 2018-07-24 - 来自专栏陌上风骑驴看IC
论STA | POCV/ SOCV spatial derate
进行spatial derate timing 分析 GBA bounding-box mode GBA chip-size mode PBA bounding-box mode GBA bounding-box mode GBA 模式，工具不精确计算每一条path 的bounding-box, 针对一对startpoint-endpoint 从common point 起将该对timing check point GBA Bounding-box 只能用于design-level spatial derate table, 不能用于cell-level spatial derate table; GBA Bounding-box PBA bounding-box mode PBA 模式，如果物理坐标数据可用，工具会针对每一条path 计算一个精确的distance 值；如果物理坐标数据不可用，工具将默认使用芯片的尺寸来获得距离参数 PBA bounding-box mode, spatial derate 针对timing path 上的cell 设置，可以分别针对data, clock, net, cell 跟不同电压进行设置。
4.1K80发布于 2019-11-07 - 来自专栏AIUAI
论文阅读学习 - Fast R-CNN
学习 bounding-box 回归器. 训练的空间和时间代价较高. 训练 SVM 和 bounding-box 回归器时，需要对每张图像的每个 object proposal 进行特征提取，并写入磁盘. 但，SPPNet 的明显缺点在于： 类似于 R-CNN，其训练也是 multi-stage 的，包括，特征提取，利用 log loss 微调网络，训练 SVMs 分类器，以及拟合 bounding-box 对于每个 RoI，网络有两个输出向量：softmax 概率和 per-class bounding-box 回归偏移值. Fast R-CNN 联合训练 softmax 分类器和 bounding-box 回归起，而分别训练 softmax 分类器，SVMs，回归器. image.png image.png image.png
59460发布于 2019-02-18 - 来自专栏AIUAI
论文阅读学习 - Mask R-CNN
在 COCO 的 instance segmentation, bounding-box object detection, person keypoint detection 三类竞赛均取得 top Mask R-CNN 网络分支： 每个候选 object 的 class label - Faster R-CNN 每个候选 object 的 bounding-box offset —— Faster Lbox+LmaskL=Lcls+Lbox+LmaskL= L_{cls} + L_{box} + L_{mask} LclsLclsL_{cls} - 分类 loss LboxLboxL_{box} - bounding-box Backbone2：ResNet-FPN Head 网络 —— 用于对每个 RoI 分别进行 bounding-box 识别(分类和回归) 和 mask 预测. ? 在这些 proposals 上，采用 bounding-box 网络分支和 NMS 来预测 box. 然后，采用 mask 网络分支对最高 score 的100 个检测 boxes 进行处理.
92660发布于 2019-02-18 - 来自专栏量子位
Google开放最大目标检测数据集，还要为它举办AI挑战赛
最新发布的Open Images V4包含190万图像、600个种类，1540万个bounding-box标注，是当前最大的带物体位置标注信息的数据集。 ? 比如： 训练集包含500类170万张图片，带有1220万处bounding-box标注； 比其他挑战赛有更广泛的检测类别，比如“雪人”等新对象； 除了物体检测，还设置了视觉关系检测，用来识别特定关系中的物体对
63910发布于 2018-07-24 - 来自专栏机器学习、深度学习
重温目标检测--Fast R-CNN
Each set of 4 values encodes refined bounding-box positions for one of the K classes. 在 Fast R-CNN 中 jointly optimizes a softmax classifier and bounding-box regressors 代替 training a softmax SVMs, and regressors in three separate stages Multi-task loss jointly train for classification and bounding-box regression OverFeat [19], R-CNN [9], and SPPnet [11] also train classifiers and bounding-box localizers
61950发布于 2019-05-27 - 来自专栏计算机视觉战队
基于心理学和数据驱动的方法进行游戏《LOL&王者荣耀》事件检测与亮点事件预
通过形态学操作，包括扩张和侵蚀(图1d)，更多噪声边缘像素被过滤掉，连接边缘像素的最小Bounding-Box被检测到。太小的Bounding-Box最后被丢弃(图1e)。 ? 其中，W组成的Bounding-Box被表示为i，如果i=arg max_i |W∩Si|，其中|·|表示输入单词的个数。 如果识别的Bounding-Box里的文字与任何Si都不匹配，这个Bounding-Box被视为噪音并丢弃。
1.2K60发布于 2018-04-17 - 来自专栏AIUAI
目标检测 - Faster R-CNN 中 RPN 原理
其产生 k 个 bounding-box proposals, 每一个 box proposal 有两个分数, 分别表示该 box 中是 object 的概率. anchor 用于寻找 boxes proposals regression 分支输出预测的边界框bounding-box: (x, y, w, h). classification 分支输出一个概率值, 表示 bounding-box 中是否包含 object (classid = 1), 或者是 background (classid = 0), no
2.1K81发布于 2018-05-17 - 来自专栏计算机视觉战队
人工智能在《LOL&王者荣耀》游戏中的角色
通过形态学操作，包括扩张和侵蚀(图1d)，更多噪声边缘像素被过滤掉，连接边缘像素的最小Bounding-Box被检测到。太小的Bounding-Box最后被丢弃(图1e)。 ? 其中，W组成的Bounding-Box被表示为i，如果i=arg max_i |W∩Si|，其中|·|表示输入单词的个数。 如果识别的Bounding-Box里的文字与任何Si都不匹配，这个Bounding-Box被视为噪音并丢弃。
1.1K60发布于 2018-11-23 - 来自专栏计算机视觉战队
人工智能在《LOL&王者荣耀》游戏中的角色
通过形态学操作，包括扩张和侵蚀(图1d)，更多噪声边缘像素被过滤掉，连接边缘像素的最小Bounding-Box被检测到。太小的Bounding-Box最后被丢弃(图1e)。 ? 其中，W组成的Bounding-Box被表示为i，如果i=arg max_i |W∩Si|，其中|·|表示输入单词的个数。 如果识别的Bounding-Box里的文字与任何Si都不匹配，这个Bounding-Box被视为噪音并丢弃。
1.6K60发布于 2018-04-17 - 来自专栏小鹏的专栏
Faster RCNN：RPN，anchor，sliding windows
超出边界的不考虑】，对于一个W×H的特征图，就会产生W×H×k个区域建议； ③步骤②中的低维特征向量输入两个并行连接的卷积层2：reg窗口回归层【位置精修】和cls窗口分类层，分别用于回归区域建议产生bounding-box RPN网络中bounding-box回归怎么理解？同Fast R-CNN中的bounding-box回归相比有什么区别？ 对于bounding-box回归，采用以下公式： tx=(x−xa)/waty=(y−ya)/ha tw=log(w/wa)th=log(h/ha) t∗x=(x∗−xa)/wat∗y= 回归； RPN网络中bounding-box回归的实质其实就是计算出预测窗口。 回归所输入的特征是在特征图上对任意size的RoIs进行Pool操作提取的，所有size RoI共享回归参数，而在Faster R-CNN中，用来bounding-box回归所输入的特征是在特征图上相同的空间
2.7K100发布于 2018-01-09 - 来自专栏机器学习、深度学习
Bounding box regression详解
但这个红框里面的loss函数 谁能解释下 Answer: 好多同学问过这个问题，一直没时间整理，下面是我对Bounding-box regression的理解，图片可能不是很清晰。 ? ? ? ?
1K10发布于 2019-05-28 - 来自专栏半杯茶的小酒杯
目标检测-Training with Online Hard Example Mining
如MS COCO数据集；OHEM结合其它目标检测改进策略(比如multiscale testing、iterative bounding-box regression等)，OHEM在PASCAL VOC Map，然后提一个fixed-length的Feature Vector，将Feature Vector输入给FC Layer，最终得到两个输入结果:1）softmax，所有类别和背景的概率分布；2) bounding-box 4.2 PASCAL VOC and MS COCO数据集上的测试效果 4.3 Multi-scale与Iterative bounding-box regression OHEM结合Multi-scale 和Iterative bounding-box reg策略，在VOC07数据集上得到了State-Of-Art的75.1%的结果。
58230编辑于 2022-04-28 - 来自专栏陌上风骑驴看IC
STA | 哐！一文打尽 SOCV / POCV
进行spatial derate timing 分析 GBA bounding-box mode GBA chip-size mode PBA bounding-box mode GBA bounding-box mode GBA 模式，工具不精确计算每一条path 的bounding-box, 针对一对startpoint-endpoint 从common point 起将该对timing check point GBA Bounding-box 只能用于design-level spatial derate table, 不能用于cell-level spatial derate table; GBA Bounding-box PBA bounding-box mode PBA 模式，如果物理坐标数据可用，工具会针对每一条path 计算一个精确的distance 值；如果物理坐标数据不可用，工具将默认使用芯片的尺寸来获得距离参数 PBA bounding-box mode, spatial derate 针对timing path 上的cell 设置，可以分别针对data, clock, net, cell 跟不同电压进行设置。
32.5K129发布于 2020-04-08 - 来自专栏1996
经典神经网络 | fast rcnn目标检测算法详解
要解决的问题 1、RCNN和SPPnet分多步训练，先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归 其次，将网络的最后一个完全连接层和softmax替换为先前描述的两个同级层（K + 1类的完全连接层和softmax以及特定于类别的bounding-box regressors）。
74420编辑于 2022-09-23 - 来自专栏机器学习AI算法工程
faster-RCNN原理及相应概念解释
(2) 为什么要做Bounding-box regression？ ? 那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU<0.5)，那么这张图相当于没有正确的检测出飞机.如果我们能对红色的框进行微调，使得经过微调后的窗口跟Ground Truth更接近，这样岂不是定位会更准确.确实，Bounding-box (4) Bounding-box regression（边框回归） 那么经过何种变换才能从图11中的窗口P变为窗口呢？比较简单的思路就是： ? ? 线性回归就是给定输入的特征向量X，学习一组参数W，使得经过线性回归后的值跟真实值Y(Ground Truth)非常接近.即.那么Bounding-box中我们的输入以及输出分别是什么呢？ ?
1.2K21发布于 2019-10-29 - 来自专栏AI科技大本营的专栏
如何在标准的机器学习流程上玩出新花样？
如右图所示，我们做了一个实验，让10个标定人员进行标定，蓝色表示 Bounding-box （边界框）标定方法，黄色是基于线段的标定方法，对于大尺度对象和小尺度对象，ground truth 的平均 IOU 它的核心想法非常简单，即 Bounding-box 表示方法会影响极小目标的检出率，所以我们需要为小目标单独设计一种生成信息的方式，我们通过 Bounding-box 上下两点中心，做了一个连线，即把原来用一个 Bounding-box 表示一个物体的表示方式，变成了用一个线段表示一个人体，上端表示头，下端表示人与头之间的中心。
69350发布于 2019-07-12 - 来自专栏null的专栏
人脸检测和对齐算法MTCNN
48\times 48\times3 ，这三种大小分别对应了以下三个阶段模型的输入 阶段1（Proposal Network）: 对上述的图像金字塔中 12\times 12\times 3 的图像提取Bounding-Box ，并利用NMS过滤掉大部分的窗口 阶段2（Refine Network）: 对上述的图像金字塔中 24\times 24\times 3 的图像，根据阶段1中提取出的Bounding-Box进一步修正， 去除掉不符合要求的bounding box 阶段3（Output Network）: 对上述的图像金字塔中 48\times 48\times 3 的图像，根据阶段2中提取出的Bounding-Box进行最终的分析
4K10编辑于 2022-12-31 - 来自专栏目标检测和深度学习
目标检测的性能上界讨论
（4）对于每一个 bounding-box 分配 ResNet-152 的 top-1 score 所对应的 label； 3. 各数据集的上界 （1） PASCAL VOC ? （2）COCO ?
1.1K40发布于 2020-02-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号