R-CNN

  • 目标检测、语义分割
    由于我们将区域建议与CNN相结合,我们将我们的方法称为R-CNN:带有CNN特征的区域。

目标检测系统由三个模块组成。第一种方法生成分类独立的区域提案。这些提议定义了可供我们的检测器使用的候选检测集合。第二个模块是一个大型卷积神经网络,从每个区域提取固定长度的特征向量。第三个模块是一组特定于类的线性支持向量机。

流程:

(1)接受一个输入图像,

(2)提取大约2000个自底向上的区域建议

(3)使用大型卷积神经网络(CNN)计算每个建议的特征

(4)使用类特定的线性支持向量机对每个区域进行分类。

相关推荐
william_yangshun1 小时前
【AI Agent 实战】agent-vision-toolkit 中文版:给纯文本模型(DeepSeek)装上视觉能力
人工智能·多模态
智能体与具身智能2 小时前
TVA具身智能的概念、架构与应用(19)
人工智能·python·具身智能
AI智能体工作室2 小时前
生产级 RAG 检索增强架构实战:向量数据库、混合检索(Hybrid Search)、RRF 融合与重排(Rerank)全链路
人工智能
geinvse_seg2 小时前
我做了个 AI 架构审查员,把整个微服务项目通读了一遍,还顺手做成了 Skill
人工智能
李帅朋2 小时前
微分基本定义笔记
人工智能·笔记·深度学习·神经网络
醍醐实验室2 小时前
下一代端到端全模态(Omni)模型解密:离散音频 Token 化与极速双工流式交互架构
人工智能
米小虾2 小时前
你的 Agent 有 1000 万上下文,为什么第 50 轮就开始失忆?
人工智能·agent
东风破_2 小时前
Text2SQL :用自然语言操作 SQLite 数据库
人工智能·后端
吴佳浩 Alben2 小时前
Agent 怎么做自动化评测?构建端到端的 Agent Evaluation 体系
人工智能·语言模型·架构·自动化·ai编程
G***技2 小时前
告别“云端依赖”:LH707 如何重构 AI 视频监控的底层逻辑?
人工智能·嵌入式硬件