<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>R-CNN on AI-Uchi — Всё об искусственном интеллекте</title><link>/tags/r-cnn/</link><description>Recent content in R-CNN on AI-Uchi — Всё об искусственном интеллекте</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Tue, 23 Jun 2026 15:30:00 +0300</lastBuildDate><atom:link href="/tags/r-cnn/index.xml" rel="self" type="application/rss+xml"/><item><title>R-CNN Family: эволюция детекции объектов</title><link>/articles/r-cnn-family-obekt-detekciya-evolyuciya/</link><pubDate>Tue, 23 Jun 2026 15:30:00 +0300</pubDate><guid>/articles/r-cnn-family-obekt-detekciya-evolyuciya/</guid><description>&lt;h2 id="введение-зачем-нужна-целая-семья-детекторов"&gt;Введение: зачем нужна целая «семья» детекторов?&lt;/h2&gt;
&lt;p&gt;Представьте, что вам нужно не просто сказать «на фото — кошка», а ещё и обвести её прямоугольником, отделить от собаки на заднем плане и точно определить пиксели, принадлежащие каждому объекту. Это и есть задача детекции и сегментации объектов — одна из самых требовательных в компьютерном зрении.&lt;/p&gt;
&lt;p&gt;В серии «Object Detection for Dummies» Lilian Weng начала с базовых концепций — HOG и градиентных векторов, затем перешла к классическим архитектурам CNN и пионерским моделям вроде Overfeat и DPM. Третья часть серии посвящена семейству R-CNN («Region-based CNN»).&lt;/p&gt;</description></item></channel></rss>