CNN系列

文章目录

  • R-CNN(2014)
    • Conclusion
  • SPP-net(2015)
    • Conclusion

R-CNN(2014)

哈哈
创新
(1)人们可以将高容量卷积神经网络(cnn)应用于自下而上的区域建议,以定位和分割对象;
(2)当标记训练数据稀缺时,对辅助任务进行监督预训练,然后进行特定领域的微调,可以显著提高性能
解决了CNN定位问题标记数据稀缺不足以训练大型CNN的问题
证明了:简单的边界盒回归方法可以有效地减少错误定位,而错误定位是主要的误差模式
CNN系列_第1张图片
(1)获取输入图像,(2)提取大约2000个自下而上的区域建议,(3)使用大型卷积神经网络(CNN

你可能感兴趣的:(论文反馈,人工智能,深度学习,rnn,cnn)