流程图
2016-10-23 14:48:20 0 举报流程图是一种图形化表示工作流程、程序或操作步骤的工具。它由一系列节点和箭头组成，每个节点代表一个具体的步骤或决策点，而箭头则表示流程的流向。通过流程图，人们可以清晰地了解整个流程的运行方式和各个步骤之间的关系。流程图常用于项目管理、业务流程优化、软件开发等领域，帮助提高工作效率和准确性。
作者其他创作
大纲/内容
0.9
o
初始框
结束
是
A
预测框
开始
8
建立anchors（36x63x9= 20412个anchors）
1.0
0.8
训练SVM分类器
提取正负样本特征
整理并优化间距
w
左比率ratio_left
h1
统计大于高阈值的边界框，标定为已检测
3
0
o2
在每个检测出的目标框上进行一定程度的扰动
针对每个RoI区域进行pooling(256 x 7 x 7 x 512)
B
检测阶段
h
最大值池化，池化窗口2x2步长为2
提取高置信度边界框
6
检测结果
0.99
0.35
统计边界框的间距规律
分类
S2
边界框优化
.
统计边界框的间隔规律
以最高置信度的窗户按间隔为步长遍历图像
S1
输入图像
提取特征送入SVM分类器
高置信度边界框根据间隔规律对低置信度边界框投票
边界框筛选和还原
统计边界框之间的间距
（a）
真值区域
统计未被检测的边界框，且得分小于高阈值而大于低阈值的边界框
对于投票结果大于0.5的候选框，将其加入已检测的边界框中
w1
提取正负样本HOG特征
经过一个3x3的卷积得到RPN层输出RoI区域（256 x 5）
2
1
初始边界框提取
5
0.5
图像校正
构建VGG网络conv1-conv5(36 x 63 x 512)
初始化
加入全连接层（256 x 4096）
7
判断SVM分类器得分是否达到最大值？
使用固定大小的边界框按比率去匹配窗户区域
特征融合后的Faster R-CNN网络
票数大于一半的低置信度框加入最终检测结果
上比率ratio_top
训练阶段
0.95
训练集图像
否
分别预测类别和位置（256 x 2）和（256 x 8）
使用已检测出的边界框对其进行投票
(b)
0 条评论
下一页
