设为首页 - 加入收藏
广告 1000x90
您的当前位置:香港黄大仙救世网资料 > 静止图像 > 正文

Facebook开源用于目标检测的深度学习库Detectron

来源:未知 编辑:admin 时间:2019-05-12

  这两个库的预训练模型都已在COCO数据集上训练好,COCO数据集是一个大型图像数据库,包括了目标检测、分割以及图像文本描述信息。该数据集有80个类,超过20万张标注图像以及150万个实例对象。Facebook的Detectron和谷歌的Tensorflow图像识别API主要用于研究,暂未用于生产。

  目标检测仍然是计算机视觉领域具有挑战性的一个方面,在许多计算机视觉领域的任务上都有应用。从简单的人脸检测到图像检索与视频监控。自动驾驶需要依赖于实时行人检测技术,而城市的车辆与人口数量的自动统计在城市规划中也很有价值。

  目标检测面临的主要问题是自然场景下的未知目标的数量、大小和其在图像上的分布都是随机的。并且在提升精度的同时要求算法具有速度优势,这也增加了任务本身的难度。

  机器学习中,静止图像中的目标检测需要同时解决两个问题。即确定图像的某个特定区域是一个目标物体并判断其种类。目前的目标检测模型建立在卷积神经网络(CNN)的基础上,卷积神经网络是一类结构特殊的神经网络。CNN使用矩形滑动窗口对整个原始图像进行特征提取。

  目标检测算法主要有两大类。基于R-CNN的方法使用多尺度滑动窗口处理不同尺寸的目标,而YOLO(You Only Look Once)算法使用不同的特征提取和决策方法对图像进行一次推理。早期的工作能够在目标物体的周围标记一个矩形边界(object localization),而最近的一些研究成果(例如,Mask R-CNNRetinaNet)能够在物体边缘标记出更精确的边界。这一重大的进展被称为实例分割(instance segmentation),对于图像中的每个像素点,都会确定其对于某一特定类的归属关系。

  评论表明Tensorflow目标检测API更容易训练,它的GitHub仓库包括一些可以用于安装、训练模型和迁移学习的Jupyter Notebooks,在谷歌的目标检测库中也可以获取更多的在线教程。

  本站(LinuxIDC)所刊载文章不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。

本文链接:http://thedadthing.com/jingzhituxiang/71.html

相关推荐:

网友评论:

栏目分类

现金彩票 联系QQ:24498872301 邮箱:24498872301@qq.com

Copyright © 2002-2011 DEDECMS. 现金彩票 版权所有 Power by DedeCms

Top