自动化测试-芯片神经网络-模型ONNX-Operators
概念综述
| 名词 | 含义 |
|---|---|
| VGG（Visual Geometry Group） | 是一个视觉几何组在2014年提出的深度卷积神经网络架构,VGG网络被广泛应用于图像分类、目标检测、语义分割等计算机视觉任务中，并且其网络结构的简单性和易实现性使得VGG成为了深度学习领域的经典模型之一; |
| R-CNN | 全称是Region-CNN，是第一个成功将深度学习应用到目标检测上的算法。R-CNN基于卷积神经网络(CNN)，线性回归，和支持向量机(SVM)等算法，实现目标检测技术 |
| Faster R-CNN 结构 | 一种用于对象检测的深度神经网络架构。它是一个多任务学习的网络，在单个神经网络中同时学习目标检测和特征提取；分为四个模块：1. Conv layers，特征提取网络：用于从输入图像中提取特征，可以是预先训练的卷积神经网络（如VGG，ResNet等）或自定义的神经网络 ； 2. Region proposal Network（RPN）区域候选网络：RPN是一种生成提议的网络，它接收特征图并在其中生成对象的矩形提议； 3. ROI pooling，兴趣域池化：这一层以RPN网络输出的兴趣区域和Conv layers输出的feature map为输入，将两者进行综合后得到固定大小的区域特征图（proposal feature map）并输出到后面的全连接网络中进行分类； 4. Classification and Regression，分类和回归：输入为 |
![[<span style='color:red;'>深度</span><span style='color:red;'>学习</span>]使用python部署yolov10的<span style='color:red;'>onnx</span>模型](https://csdnimg.cn/release/blog_editor_html/release2.3.6/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N7T8){kind=icon}
