CRAFT: MATLAB实现的图像对象检测代码框架

资源摘要信息: "Matlab实现的CRAFT（Cascade Rpn and Fast R-CNN的缩写）是基于CVPR2016论文的源代码，其主要内容包括以下知识点： 1. 对象检测框架：该代码扩展了传统的两阶段对象检测框架，即先定位对象提议，然后进行对象类别分类。具体地，CRAFT采用了一种四阶段管道，其中包括两个阶段用于提案定位，另外两个阶段用于目标分类。 2. 区域提议网络（RPN）：RPN用于提案定位，通过级联网络的方式提高提案定位的准确性。在CRAFT中，提案定位任务是通过RPN的级联网络来解决的。 3. 快速R-CNN：快速R-CNN（Fast Region-based Convolutional Neural Network）用于目标分类。在CRAFT中，目标分类任务是通过两个具有不同目标函数的快速R-CNN网络的级联网络处理的。 4. 一次热分类和一次相对休息分类：这是CRAFT在目标分类任务中采用的方法。两种分类方法的使用可以有效消除错误积极的分类结果。 5. 代码环境：这些代码已在Ubuntu 14.04、256GB内存，Titan X GPU，MATLAB R2015a上进行了测试。 6. 使用方法：首先需要按照1_RPN提供的说明使用1_RPN的代码进行编码，然后按照稍有改动的代码制作2_CasRPN。 7. 开源项目：该代码是开源的，可以在github上找到源代码，项目名为CRAFT-master。 总的来说，CRAFT在PASCAL VOC 07/12和ILSVRC数据集上显示出相对于Fast R-CNN和Faster R-CNN基线的显著改进。这些改进主要来源于CRAFT对于对象检测框架的创新设计和精确的提案定位与目标分类方法的结合。对于熟悉RPN和快速R-CNN这两个项目的用户来说，使用这些代码会更加容易。"