matlab的egde源代码自述文件
该代码包含在CVPR2016论文中。
一言以蔽之,我们将传统的两阶段对象检测框架(首先定位对象提议,然后对对象类别进行分类)扩展到四阶段管道,其中提案定位任务通过区域提议网络(RPN)的级联网络解决。
)和快速R-CNN来提高提案质量,而目标分类任务则是由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(一次热分类和一次相对休息分类)以消除错误积极的。
我们将方法命名为“
CRAFT”(“
Cascade
Rpn和FasT-rcnn”的缩写),并在PASCAL
VOC
07/12和ILSVRC数据集上显示了相对于Fast
R-CNN和Faster
R-CNN基线的显着改进。
有关更多详细信息,请参阅我们的。
这些代码建立在(阶段1)和(阶段2,3,4)之上。
如果您熟悉这两个项目,则使用代码会更容易。
这些代码已在Ubuntu
14.04、256GB内存,Titan
X
GPU,MATLAB
R2015a上进行了测试。
准备
按照1_RPN提供的说明使用1_RPN的代码进行编码。
请按照中的说明使用稍有改动的代码制作2_CasRPN
,
3
2022-06-17 17:41:21
963KB
系统开源
1