稀疏&集成的卷积神经网络学习（续）
source link: http://mp.weixin.qq.com/s/4wMvfnvTaWF10Xq7HqbO-A
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
稀疏&集成的卷积神经网络学习（续）
Original Edison_G 计算机视觉研究院 2017-11-18 07:02 Posted on
昨天跟大家详细的说了分类，定位的一些相关知识，今天把剩下的最后一点知识给大家补充完整，也感谢大家一直的支持，谢谢！
昨天的推送告诉大家了分类方案，我们再温习一下：
今天我们简单的说说“基于类别聚合的目标检测”技术。该技术是基于候选区域实现的。
引入类别信息： 减少假阳性（False Positive），提高检测精度和效率
目标检测: 类别聚合(CA)
目标: 共现关系(CO)
DET: 实验结果
类别聚合：Run4 VS. Run3, 验证集上提高0.9%，但测试集上略低，可能是测试集和训练集在数据分布上存在差异；
共现关系： Run5 VS. Run4，在验证集和测试集上均提高；
多窗口融合有效： Run5 VS. Run1 / Run2 ，在验证集和测试集上均提高。
DET: 结果展示
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK