步骤一:
找到一个CNN分类模型
步骤二:
对于这个模型修改最后的分类层,为21类,去掉最后一个全连接层
步骤三:
根据选择性搜索提取图像的候选区域(框)
对于候选框修改大小以适应CNN输入,然后得出feature map即为提取到的特征
步骤四:
训练SVM分类器,对特定敏感区域进行分类,每个类别对应一个SVM分类器
步骤五:
使用回归器精细修正候选框位置:对于每一个类,训练一个线性回归模型去判定这个框是否框得完美
步骤一:
找到一个CNN分类模型
步骤二:
对于这个模型修改最后的分类层,为21类,去掉最后一个全连接层
步骤三:
根据选择性搜索提取图像的候选区域(框)
对于候选框修改大小以适应CNN输入,然后得出feature map即为提取到的特征
步骤四:
训练SVM分类器,对特定敏感区域进行分类,每个类别对应一个SVM分类器
步骤五:
使用回归器精细修正候选框位置:对于每一个类,训练一个线性回归模型去判定这个框是否框得完美