深度学习图像检测算法
时间: 2023-09-06 20:13:21 浏览: 58
引用\[2\]: SPP-Net提出了一种思想,即通过将特征图分别缩放为不同尺寸,然后将它们拼接在一起,形成一个更长的特征向量,以保留更多原始图像的信息。这种方法可以解决Selective Search算法在处理不同尺寸图像时信息损失的问题。\[2\]
引用\[3\]: 一些没有anchor的目标检测算法采用了一种沙漏式的网络结构,通过一系列下采样和上采样操作,将图像缩小再放大,最终形成与原始图像相同大小的特征图。然后对每个像素进行处理。然而,这种方法速度较慢,目前的硬件无法实时支持。摒弃anchor的思路是可行的,因为人眼在识别目标时并不需要anchor。但是,无anchor的方法仍处于发展阶段,尚未成熟。\[3\]
综上所述,深度学习图像检测算法可以采用SPP-Net的思想,通过拼接不同尺寸的特征图来保留更多的信息,或者尝试摒弃anchor的方法,但目前无anchor的方法仍在发展阶段。
#### 引用[.reference_title]
- *1* [深度学习(二)—图像检测算法(faster R-cnn)简单易懂的思路整理](https://blog.csdn.net/qq_37100442/article/details/81660943)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [深度学习目标检测算法梳理](https://blog.csdn.net/XDH19910113/article/details/117015832)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]