目标检测方法概述.pdf

发布时间：2022-06-19 发布人：admin 分类：说明书资料大小：6.79M 资料格式：pdf 举报版权申诉

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第1页.png

第1页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第2页.png

第2页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第3页.png

第3页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第4页.png

第4页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第5页.png

第5页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第6页.png

第6页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第7页.png

第7页 / 共52页

c14f01ab-0a45-4022-9516-56a411d6fc0d.pdf-第8页.png

第8页 / 共52页

文本预览

目标检测方法概述基于R-CNN、YOLO、SSD网络 2019/11/13 报告人：周xx

目录 CONTENTS 一、目标检测概述二、相关名词解释三、R-CNN介绍四、YOLO介绍五、SSD介绍六、总结与讨论

1 目标检测概述目标检测问题就是需要判断图片中存不存在这个物体，并标出他的位置，用一个边框（bounding box）把他框起来。

1 目标检测概述进几年来，目标检测算法取得了很大的突破。比较流行的算法可以分为两类，一类是基于Region Proposal的R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN等），它们是two-stage的。而另一类是Yolo，SSD这类one-stage算法，第一类方法是准确度高一些，但是速度慢，但是第二类算法是速度快，但是准确性要低一些。

1 目标检测概述 ▷ two-stage：R-CNN ▷ one-stage:YOLO

第二部分相关名词解释

2 相关名词解释 1、目标检测问题中最常用的度量标准 --- 平均精度均值（Mean Average Precision, mAP）准确度=（正确分类的图片数量）/（总的图片数量）真实类别患癌（阳性）不患癌（阴性）预测类别患癌（阳性） TP(true positive) FP(false pasitive) 不患癌（阴性） FN(false nagative) TN(true nagative) 精确率 = TP / (TP + FP) = TP / 所有被模型预测为正样本的数据的数量召回率 = TP / (TP + FN) = TP / 所有真实类别为正样本的数据的数量

2 相关名词解释 PR曲线纵坐标为精确度（precision）、横坐标为召回率（recall），一般来说精确率和召回率都是越高越好。但是在现实情况中，一般如果精确率高的话，召回率就会相对较低，反之亦然我们需要做的是找到一种精确率与召回率之间的平衡。其中一个方法就是画出PR曲线，然后用PR曲线下方的面积AUC（Area under Curve）去判断模型的好坏

分享到：

赞收藏

资料库

目标检测方法概述.pdf

相关推荐

人工智能

热门标签

最新资料