RCNN笔记

理解RCNN推荐看[4]

Region Proposal:理解为候选区域,建议区域

IoU(Intersection over Union): IoU is a measure of the overlap between two bounding boxes.如下图

NMS(Non Maximum Suppression): 非极大值抑制

分类(classification)检测(detection)和分割(segmentation)

ground truth[1,2]:在*有监督学习中,数据是有标注的,以(x, t)的形式出现,其中x是输入数据,t是标注.正确的t标注是ground truth, 错误的标记则不是。

feature map[3]:每种滤波器去卷积图像就得到对图像的不同特征的映射,我们称之为Feature Map

DPM:deformable part models
Top-5 error[5]: imagenet图像通常有1000个可能的类别,对每幅图像你可以猜5次结果(即同时预测5个类别标签),当其中有任何一次预测对了,结果都算对,当5次全都错了的时候,才算预测错误,这时候的分类错误率就叫top5错误率

multiple view: 暂时还不理解是什么意思。

参考:

  1. 机器学习中的ground truth
  2. 机器学习中ground truth的解释
  3. 理解卷积神经网络CNN中的特征图 feature map
  4. 目标检测算法(1)目标检测中的问题描述和R-CNN算法
  5. 什么是图像分类的Top-5错误率

猜你喜欢

转载自blog.csdn.net/qq_34809033/article/details/82844971