目标检测我来惹2-SPPNet

RCNN慢在哪?上千个候选区域经过卷积太耗时

RCNN解决方案:

1.减少卷积计算

2.防止图片内容变形crop/wrap

SPPNet:一张图片全部卷积计算,不要crop+wrap

映射:

要取候选区域的特征--怎么做?

image--SS--候选区域

image--CNN--特征图feature map

将候选区域映射到特征图中,得到候选区域的特征向量

SSP层:

输出大小固定的特征向量

引入了SPP-Net ,通过候选区域和特征图的映射

spp池化作用:

SPPNet相对于R-CNND的改进算法:

相关推荐
cyyt11 分钟前
深度学习周报(11.3~11.9)
人工智能·深度学习
雍凉明月夜13 分钟前
Ⅱ人工智能学习之深度学习(deep-learning)概述
人工智能·深度学习·学习
爱学习的程序媛27 分钟前
【DeepSeek实战】高质量提示词的六种类型
人工智能·prompt
大千AI助手1 小时前
敏感性分析(Sensitivity Analysis)在机器学习中的应用详解
人工智能·机器学习·敏感性分析·sa·大千ai助手·sensitivity·可解释ai
编程小白_正在努力中1 小时前
从入门到精通:周志华《机器学习》第一、二章深度解析
人工智能·机器学习
编码追梦人1 小时前
基于 ESP32 与机器学习的智能语音家居控制系统
人工智能·机器学习
koo3641 小时前
李宏毅机器学习笔记
人工智能·笔记·机器学习
nix.gnehc1 小时前
机器学习概念
人工智能·机器学习
长桥夜波1 小时前
机器学习日报17
人工智能·机器学习
Nina_7171 小时前
pytorch核心组件以及流程
人工智能·pytorch·python