iT邦幫忙

2022 iThome 鐵人賽
DAY 10
0
AI & Data

AI人工智慧系列 第 10 篇

Day 10 AI&Data

14th鐵人賽
925 瀏覽

  • 分享至 

  • xImage
    •  

前言
昨天介紹了RCNN的概論後，今天的文章要介紹RCNN的大致流程架構圖。
架構
RNN算法分為4個步驟：

  1. 候選區域生成：使用Selective Search方法對一張影象生成約2000-3000個候選區域，基本思路如下：
    (1)將影象分割成小區域
    (2)檢視現有小區域，合併可能性最高的兩個區域，重複直到整張影象合併成一個區域位置。優先合併以下區域：
  • 顏色（顏色直方圖）相近的
  • 紋理（梯度直方圖）相近的
  • 合併後總面積小的
    在合併時須保證合併操作的尺度較為均勻，避免一個大區域陸續“吃掉”其它小區域，保證合併後形狀規則。
    (3)輸出所有曾經存在過的區域，即所謂候選區域
  1. 特徵提取：對每個候選區域，使用深度卷積網路提取特徵(CNN)
  2. 類別判斷：特徵送入每一類的SVM分類器，判別是否屬於該類
  3. 位置精修：許多看似準確的檢測結果，往往因為候選框不夠準確，重疊面積很小，故需要一個位置精修步驟，對於每一個類，訓練一個線性迴歸模型去判定這個框是否框得完美
    參考資料
    https://www.796t.com/content/1541727442.html
    https://medium.com/ai-academy-taiwan/r-cnn%E5%AD%B8%E7%BF%92%E7%AD%86%E8%A8%98-62faf7563d57

上一篇
Day 9 AI&Data
下一篇
Day 11 AI&Data
系列文
AI人工智慧 共 30 篇
  1. 26
    Day 26 AI&Data
  2. 27
    Day 27 AI&Data
  3. 28
    Day 28 AI&Data
  4. 29
    Day 29 AI&Data
  5. 30
    Day 30 AI&Data
完整目錄
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
902 組
團體組數
37 組
累計文章數
19856 篇
完賽人數
528 人
iT+看影片追技術 看影片追技術 看更多
熱門tag
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 17th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# linux windows server css react
熱門問題
熱門回答
熱門文章
IT邦幫忙