参考： "单发多框检测（SSD）" 本文代码被我放置在 Github：https://github.com/XinetAI/CVX/blob/master/app/gluoncvx/ssd.py 关于 SSD 的训练见：https://github.com/XinetAI/CVX/blob/mast
简书 "目标检测 " 其中 参数化 是指： $$ \begin{cases} t_{\text{x}} = \frac{x x_{\text{a}}}{w_{\text{a}}}, \quad t_{\text{y}} = \frac{y y_{\text{a}}}{h_{\text{a}}},\\
aspect ratios：高宽比率 假设 window 的尺寸为：$(w, h)$，锚框的尺寸为：$(w_1, h_1)$，则有： $$ \begin{cases} \frac{w_1h_1}{wh} = s^2\\ \frac{h_1}{w_1} = \frac{h}{w} r \end{cas
Iou 的计算 我们先考虑一维的情况：令 $A = [x_1,x_2], B = [y_1, y_2]$，若想要 $A$ 与 $B$ 有交集，需要满足如下情况： 简言之，要保证 $A$ 和 $B$ 的最大值中最小的那个减去它们中的最小值中最大的那个即可获得公共部分，代码实现如下： 先创建一个可以用来
"论文" "论文翻译" Faster R CNN 主要分为两个部分： RPN（Region Proposal Network）生成高质量的 region proposal； Fast R CNN 利用 region proposal 做出检测。 在论文中作者将 RPN 比作神经网络的 注意力机制 （
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
