Los regresores del cuadro delimitador son esenciales porque las propuestas iniciales de la región podrían no coincidir completamente con la región que se indica por las características aprendidas de la red neuronal convolucional. Es una especie de paso de refinamiento.
Por lo tanto, en función de los pesos del clasificador (por ejemplo, redes neuronales, SVM), las propuestas de la región se regresan. Tenga en cuenta que las características utilizadas para la regresión son las características obtenidas al final de la capa de agrupación final.
Este tipo de regresión ofrece una mejor estimación de la posición del objeto que nuestros simples Generadores de propuestas, ya que se basa en las características generadas por la Red profunda.
- ¿La topografía emocional es relevante para IR?
- ¿Cuál es la mejor manera de encontrar el conjunto de patrones similares en datos de series de tiempo?
- ¿Hay nueva información sobre el tema X o la gente sigue copiando y pegando?
- ¿Cuál es el punto de usar el problema dual cuando se ajusta SVM?
- ¿Qué tan útil es el aprendizaje profundo para problemas P> N?
[1]
R-CNN y Fast (er) R-CNN se explican muy bien por el profesor Bastian Leibe en sus conferencias en el RWTH. Puede encontrar todo el material aquí: Computer Vision – Computer Vision
¡Espero que esto ayude! ¡Feliz aprendizaje!
Notas al pie
[1] http: // Crédito de la imagen: Bastian L …
