从Bounding Boxes中能够学习什么?

2017 年 11 月 14 日 计算机视觉战队 Edison_G

Where does it come from?

The Third Research Institute of the Ministry of Public Security

基于视频结构化描述的视频语义分析系统

可描述车辆颜色、车型、品牌等,车型类别>1200

个性化检索、以图搜图等

参与重大案件侦破数十起:桂林爆炸案、苏州抓捕案、亚信反恐…

Bounding Boxes注解

那我们从Bounding Boxes中可以得到什么呢?

1.   目标

2.   负类别

3.   Bounding Boxes 投票



之前推送也介绍过检测的Pipeline:

*Fast R-CNN, Ross Girshick, IEEE International Conference on Computer Vision (ICCV), 2015

1.   目标

动机:

  • 正样本必须是目标;

  • 将目标输入到End-to-End的网络PipeLine。

相关工作:

  • BBox的选择;

  • DeepBox;

  • Region proposal networks(RPN)。

过程设置如下:

  • IoU>0.5的区域,标签设置为1,其余都为0;

  • 只使用End-to-End的网络的训练阶段。

2.   负类别

他人方法:设置所有IoU<0.5的区域为不合理区域。

现在的做法:

设置IoU>0.5的为正样本,0.2<IoU<0.5的为负样本,其余的都是背景。

相似的工作如下:

3.   Bounding Boxes 投票

在标准的NMS之后,在局部区域中,保持区域bbox有最高的得分;设置区域为R,IoU>0.5,用R∪boxb的方式来进行投票:

检测结果:

*该实验是在CLS数据集上进行的测试

目标定位

最简单的PipeLine:

通过上述的法(目标、负类别和Bounding Boxes 投票),进行简单实验:

视频中的目标检测

结果:



关注我们的微信公众平台“计算机视觉战队”:

ID:ComputerVisionGzq

在平台中回复“深度学习”、“C++”、“Python”都会有相应的学习资料提供给大家去学习,去实践,希望大家多多支持!

后期我们会继续完善学习资料,并为大家提供GitHub的资源!


登录查看更多
0

相关内容

【Google-CMU】元伪标签的元学习,Meta Pseudo Labels
专知会员服务
31+阅读 · 2020年3月30日
专知会员服务
41+阅读 · 2020年2月20日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
干货 | 快速端到端嵌入学习用于视频中的目标分割
计算机视觉战队
10+阅读 · 2019年3月27日
Meta-Learning 元学习:学会快速学习
专知
24+阅读 · 2018年12月8日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
14+阅读 · 2018年8月29日
Cascade R-CNN 论文笔记
统计学习与视觉计算组
8+阅读 · 2018年6月28日
Faster R-CNN
数据挖掘入门与实战
4+阅读 · 2018年4月20日
Fast R-CNN
数据挖掘入门与实战
3+阅读 · 2018年4月20日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
目标检测也就是这么简单
计算机视觉战队
11+阅读 · 2017年10月20日
什么促使了候选目标的有效检测?
计算机视觉战队
3+阅读 · 2017年7月19日
Arxiv
5+阅读 · 2018年5月16日
Arxiv
8+阅读 · 2018年1月12日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关VIP内容
【Google-CMU】元伪标签的元学习,Meta Pseudo Labels
专知会员服务
31+阅读 · 2020年3月30日
专知会员服务
41+阅读 · 2020年2月20日
相关资讯
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
干货 | 快速端到端嵌入学习用于视频中的目标分割
计算机视觉战队
10+阅读 · 2019年3月27日
Meta-Learning 元学习:学会快速学习
专知
24+阅读 · 2018年12月8日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
14+阅读 · 2018年8月29日
Cascade R-CNN 论文笔记
统计学习与视觉计算组
8+阅读 · 2018年6月28日
Faster R-CNN
数据挖掘入门与实战
4+阅读 · 2018年4月20日
Fast R-CNN
数据挖掘入门与实战
3+阅读 · 2018年4月20日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
目标检测也就是这么简单
计算机视觉战队
11+阅读 · 2017年10月20日
什么促使了候选目标的有效检测?
计算机视觉战队
3+阅读 · 2017年7月19日
Top
微信扫码咨询专知VIP会员