李沐44_物体检测算法R_CNN_SSD_YOLO

R-CNN

1.使用启发式搜索算法来选择锚框

2.使用预训练模型来对每个锚框抽取特征

3.训练一个SVM来对类别分类

4.训练一个线性回归模型来预测边缘框偏移

兴趣区域Rol池化层

1.给定一个锚框，均匀分割成nXm块，输出每块里的最大值

2.不管锚框多大，总是输出nm值

Fast RCNN

1.使用CNN对图片抽取特征

2.使用Rol池化层对每个锚框生成固定长度特征

Faster R-CNN

使用一个区域提议网络来替代启发式搜索来获得更好的锚框，常用于高精度场景

Mask R-CNN

如果有像素级别的标号，使用FCN来利用这些信息，提升CNN性能，常用于高精度场景

SSD单发多框检测

1.一个基础网络来抽取特征，如何多个卷积层块来减半高宽

2.在每段都生成锚框，在底部段来拟合小物体，顶部段来拟合大物体

3.对每个锚框预测类别和边缘框

4.SSD通过单神经网络来检测模型，以每个像素为中心的产生多个锚框，在多个段的输出上进行多尺度检验

YOLO

YOLO将图片均匀分成SXS个锚框，每个锚框预测B个边缘框，后续版本有持续改进。