Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
51d23bad
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
51d23bad
编写于
11月 06, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
revise multiscale
上级
961d3774
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
2 addition
and
2 deletion
+2
-2
chapter_computer-vision/multiscale-object-detection.md
chapter_computer-vision/multiscale-object-detection.md
+1
-1
chapter_computer-vision/ssd.md
chapter_computer-vision/ssd.md
+1
-1
未找到文件。
chapter_computer-vision/multiscale-object-detection.md
浏览文件 @
51d23bad
...
...
@@ -60,9 +60,9 @@ display_anchors(fmap_w=1, fmap_h=1, s=[0.8])
因此,我们可以将特征图在相同空间位置的$c_i$个单元变换为以该位置为中心生成的$a$个锚框的类别和偏移量。
不难发现,本质上,我们用输入图像在某个感受野区域内的信息来预测输入图像上与该区域相近的锚框的类别和偏移量。
当不同层的特征图在输入图像上分别拥有不同大小的感受野时,它们将分别用来检测不同大小的目标。例如,我们可以通过设计网络,令较接近输出层的特征图中每个单元拥有更广阔的感受野,从而检测输入图像中更大尺寸的目标。
我们将在后面的小节具体实现一个多尺度目标检测的模型。
## 小结
...
...
chapter_computer-vision/ssd.md
浏览文件 @
51d23bad
# 单发多框检测(SSD)
我们在前几节分别介绍了边界框、锚框、数据集等背景知识,下面我们来构造一个目标检测模型:单发多框检测(single shot multibox detection,简称SSD)[1]。它简单、快速,并得到了广泛使用。该模型的一些设计思想和实现细节常适用于其他目标检测模型。
我们在前几节分别介绍了边界框、锚框、
多尺度目标检测、
数据集等背景知识,下面我们来构造一个目标检测模型:单发多框检测(single shot multibox detection,简称SSD)[1]。它简单、快速,并得到了广泛使用。该模型的一些设计思想和实现细节常适用于其他目标检测模型。
```
{.python .input}
import sys
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录