深度学习的目标检测——详解(1)

一、目标检测方法比较

二、两阶段检测器

2.1、R-CNN系列

非滑动窗口方式简单粗暴的提取窗口，而是根据相关方法进行候选框提取

根据图像分割的结果一步步合并成，并选取每个层次的分割结果产生候选框。

不需要单独用SVM单独训练每一类的分类器，实际中softmax已经效果很不错，有些情况下比SVM更好。

边框校准：线性变换的下标是候选框坐标x,y和框的大小w,h，输入是物体的特征。

例：框的很准期望模型结果为（0,0,0,0）；第二张框的左边空白大不太好，则想右移25；第三张两边空白比较大，则想宽度再减小点

大约2000个候选框

速度上来说类别影响不大，说明R-CNN对类别拓展很好的适应性

2.2、 SPP-net

运用空间金字塔方法将输入都是定长的分割，对每个单元单独提取特征，则所有的输入到最后都是同一维度

通常是2的幂次进行划分，1种分割方式时是提速102倍，5种分割方式提速38倍

2.3、Fast R-CNN

边框偏离较远的部分变为一次项，防止梯度过大；

2.4、Faster R-CNN

RPN：特征框提取和分类是一个CNN模型

一个像素点上框多个候选框，假设k个，则此处有2k个得分，4k个参数左上角坐标和长宽（x,y,w,h）

ROL Pooling无法对参数（x,y,w,h）求导，所以分类的时候是无法向RPN回传的。

2.5、R-FCN

ResNet多了一层卷积和14*14

保证同位置处的pool，位置区域敏感度

2.6 FPN

保留卷积的结构，大物体在分辨率低的卷积层预测，小物体在分辨率高的卷积层预测

2.7、Mask R-CNN