16、目标检测中的深度学习方法详解（上）

目标检测中的深度学习方法详解（上）

1. 基础概念：锚点与区域建议

在目标检测中，每个滑动窗口位置会预测多个区域建议。假设每个窗口位置的最大建议数量为 ( k )，那么边界框坐标总数将为 ( 4k )，物体类别数量为 ( 2k )（一个表示是物体的概率，另一个表示不是物体的概率）。这些每个窗口的区域框被称为锚点。

2. Fast R - CNN

Faster R - CNN 的第二部分是检测网络，这部分与 Fast R - CNN 完全相同。Fast R - CNN 接收来自区域建议网络（RPN）的输入，以检测图像中的物体。

3. Mask R - CNN

Mask R - CNN 是对 Faster R - CNN 的扩展。Faster R - CNN 因其检测速度快而广泛用于目标检测任务。对于给定图像，Faster R - CNN 会预测图像中每个物体的类别标签和边界框坐标。而 Mask R - CNN 在此基础上增加了一个额外的分支，用于预测物体掩码，同时输出物体类别和边界框坐标。

3.1 Mask R - CNN 与 Faster R - CNN 的区别

<

模型	输出
Faster R - CNN	类别标签和边界框坐标
Mask R - CNN	类别标签、边界框坐标和物体掩码