WangXu__的博客

目标检测一、检测方法的发展二、目标检测相关概念理解1、IoU用来判断两个区域的重合度有多高IOU = 1的话，即A和B两个区域完全重合，若IoU<0.5，则认为是负样本。2、Ground-truth：标注好的物体的最小的bounding box3.非极大值抑制的作用：非极大值抑制作用：测试过程中找到的bounding box可能会很多，很多bounding box可能会重叠，...

R-CNN CVPR2014一、优缺点优点：首次把CNN应用于目标检测，是CNN应用于目标检测的里程碑。缺点：1、对每张图片都进行裁剪，裁剪下来的大量图片占用大量的内存2、输入CNN中，由于全连接层的存在，需要对图片固定大小，对裁剪下来的图片要进行归一化处理，使得图片输入到网络中的大小一致（crop/wrap），会导致图片的信息丢失3、一张图片上每一个裁剪下来的图片都分别放入CNN中...

SSP-Net TPAMI2014一、优缺点优点：1.不用像R-CNN一样，对于每一个region proposal 都提取一遍特征，而是一整张图片放进去提取特征。在conv5层输出提取的所有region proposal 的特征，节省了大量的特征。2.引入了空间金字塔池化，使得在不同尺度的特征上提取一个特征，然后映射到尺寸固定的全连接层上。缺点：1.需要存储大量的特征，regio...

Fast R-CNN ICCV2015一、优缺点优点：1.速度快、mAP准确率更高2.端到端的单阶段训练过程，提出了ROI池化；提出了多任务损失函数，分类过程用sofftmax分类代替了SVM分类，把分类和回归任务合并，因此两个任务统一进行训练。3.不用离线存储大量的特征缺点：依然用Select Search的方法去提取候选框，仍需要提取2000个region proposal二...

Faster R-CNN NIPS2015 一、优缺点优点：    提出了RPN（region proposal Network）网络，不再用传统的selective Search去获得候选框，提升了性能和速度。RPN提取的region proposals 数量变少了，只要300个最优，但是精度和召回率都提高了。缺点：  ...

YOLO V1 CVPR2016 一、优缺点       优点：       1、检测物体的速度很快，对于划分的77的网络，只对492 = 98个bounding box进行判断       2、假阳性率低，即检测错误的很低，即不是目标误认为目标。  ...

YOLO V2 YOLO 9000 一、YOLOv2小象学院课程课件    YOLOv2 基于YOLOV1的改进：    1、BN：所有卷积层之后都加上了batch Normalization    2、高分辨分类：在用ImageNet模型分类的时候，全部把Imag...

YOLO V3 一、小象学院课程    YOLO v3对于YOLO v2的改进：    1、在分类中，YOLOv3中用logistic loss 替换了softmax损失    2、yolo v3对于3种不同尺度的特征，对于每一个grid（像素点）分别提取了3个尺寸...