固态硬盘

SSD:单发多盒探测器。提出了一种利用单一深度神经网络检测图像中目标的方法。我们的方法名为SSD,将边界框的输出空间离散为一组默认框,每个特征映射位置的纵横比和比例都不同。在预测时,网络为每个默认框中每个对象类别的存在生成分数,并对框进行调整以更好地匹配对象形状。此外,该网络结合来自不同分辨率的多个特征映射的预测,以自然地处理不同大小的对象。相对于需要对象建议的方法,我们的SSD模型非常简单,因为它完全消除了建议生成和随后的像素或特征重采样阶段,并且将所有计算都封装在单个网络中。这使得SSD易于训练,并且可以直接集成到需要检测组件的系统中。在PASCAL VOC、MS-COCO和ILSVRC数据集上的实验结果证实,SSD具有与使用额外对象建议步骤的方法相当的精度,并且速度更快,同时为训练和推理提供了一个统一的框架。与其他单级方法相比,SSD具有更好的精度,即使输入图像尺寸较小。对于300×300的输入,SSD在VOC2007测试中以58 FPS的速度在Nvidia Titan X上达到72.1%的mAP,对于500×500的输入,SSD达到了75.1%的mAP,超过了可比的最先进的R-CNN模型。


zbMATH中的参考文献(参考文献14条)

显示第1至14个结果,共14个。
按年份排序(引用)

  1. 贾、范;刘军;泰雪成:正则化卷积神经网络在语义图像分割中的应用(2021)
  2. 阿莫索夫,画外音。;阿莫索瓦公司。;日加诺夫公司。;伊万诺夫,余。S、 。;Pashchenko,F.F.:在访问控制系统中使用深层神经网络识别连续视频流帧中的情况和对象的计算方法(2020)
  3. 陈立琼;邹丽安;范,西恩;刘一峰:飞机发动机缺陷检测的特征加权网络(2020)
  4. 陈瑞典;何劲松:燕窝检测视网膜神经两阶段训练法(2020)
  5. 奇格林斯基,V.V。;Matveev,I.A.:基于摄像机网络的跟踪系统优化(2020)
  6. Daniel Bolya,Sean Foley,James Hays,Judy Hoffman:《潮汐:识别目标检测错误的通用工具箱》(2020)阿尔十四
  7. 滕浩;卢慧娟;叶敏超;严,可;高志刚;金群:自适应阈值非最大抑制在肺炎检测中的应用(2020)
  8. 王森;邢玉祥;张莉;高和伟;张浩:无线胶囊内镜溃疡识别的深卷积神经网络:实验可行性与优化(2019)
  9. 金海峰,宋清泉,胡夏:汽车Keras:一个高效的神经结构搜索系统(2018)阿尔十四
  10. 廖明辉;石宝光;Bai,Xiang:TextBoxes++:一种面向单镜头的场景文本检测器(2018)
  11. Rishabh Iyer,Pratik Dubal,Kunal Dargan,Suraj Kothawade,Rohan Mahadev,Vishal Kaushal:Vis-DSS:用于可视化数据选择和汇总的开源工具包(2018)阿尔十四
  12. 朱超;Yin,Xu Cheng:通过多模型分类和自适应后期融合实现有效的人体检测(2018)
  13. Andrew G.Howard,Menglong Zhu,Bo Chen,Dmitry Kalenichenko,Weijun Wang,Tobias Weyand,Marco Andreetto,Hartwig Adam:移动视觉应用的高效卷积神经网络(2017)阿尔十四
  14. 张建明;黄曼婷;金,小康;李旭东:基于改进的YOLOv2的实时中文交通标志检测算法(2017)