介绍
在实时对象检测中,主流范例传统上采用多步骤方法,包括边界框、像素或特征重采样以及高质量分类器应用的提议。虽然这种方法已经实现了高精度,但其计算需求往往阻碍了其对实时应用的适用性。然而,单次多框检测器 (SSD) 代表了基于深度学习的对象检测的突破性飞跃。SSD 无需在边界框提议阶段进行像素或特征重采样,从而保持卓越的准确性,同时显着提高检测速度。相反,SSD 使用特征图上的小型卷积滤波器直接预测对象类别和边界框偏移。
目录
介绍
学习目标
在实时对象检测中,主流范例传统上采用多步骤方法,包括边界框、像素或特征重采样以及高质量分类器应用的提议。虽然这种方法已经实现了高精度,但其计算需求往往阻碍了其对实时应用的适用性。然而,单次多框检测器 (SSD) 代表了基于深度学习的对象检测的突破性飞跃。SSD 无需在边界框提议阶段进行像素或特征重采样,从而保持卓越的准确性,同时显着提高检测速度。相反,SSD 使用特征图上的小型卷积滤波器直接预测对象类别和边界框偏移。
目录
介绍
学习目标
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1287112.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!