Deep Learning

目标检测模型有单阶和二阶的区分，二阶中以Faster Rcnn为代表，对于单阶模型，除了SSD之外，我们还有YoLo这一个主流模型。 简介 Yolo将目标检测问题转为边界框和类概率的回归问题，它通过一个卷积网络来同时处理多个边界框的预测以及这些框的类概率，所以这个模型的运行速度十分的快，但在精度方面的话会有点损失，毕竟没了像Faster RCnn那样的候选框生成过程。其次，Yolo模型有着更低的背景误识率和很好的泛化特性，作者甚至在抽象画作里进行了目标检测，效果海星:) ...

首先必须祝贺中华人民共和国成立70周年，为了庆祝国庆假期的到来，我抽空过了一遍SSD目标检测模型，然后趁热打铁更了博客。。。SSD算法跟以往的RCNN系列算法最大的区别就是它是单级式的，而RCNN系列是多级式的。具体的细节见下文。 ...

这种连更的感觉很是刺激，很是酸爽。不多说废话，如标题所述这是一个更快更强的目标检测算法，同时也出自Ross Girshick之手。。。讲道理，这位大佬连着几篇论文都在喷他自己之前写的模型，有点东西啊。Faster Rcnn采用了一种高效的算法来生成候选框，也引入了Anchor这个概念。 ...

哈，难得这几天比较空闲，就抓紧总结一下之前看过的RCNN系列的论文，这篇是这一系列的第二篇。作者Ross Girshick看不惯自己曾经提出的模型（RCNN）运行起来如此之慢，所以提出了一个改进模型（Fast RCNN），接下来对该模型进行一个简单的分析。 ...