基于RCNN目标检测

最近看了一篇关于目标检测的文章。
生活中，我们常常会在上学或者是上班时找不到自己所需的物品，想到在某一个地方，在整个过程中有时候是很着急的，但是利用一个计算机算法可以再几毫秒内就帮你找到你所需要的物品，这就是目标检测的力量。
1.使用深度学习检测任务的简单方法：
利用卷积神经网络（CNN），是一种黄帆用于监测图像中的方法；上面博文中我都简单介绍了卷积神经网络。
首先将图像作为输入传递到神经网络，然后通过各种卷积和池化层的处理，最后以对象类别的形式获得输出。
对于每个输入图像，会得到一个相应的类别作为输出。因此可以使用这种技术来检测图像中的各种对象。
①首先，将图像作为输入。
②将图像分成不同的区域。
③将每个区域视为单独的图像。
④将所有这些区域传递给CNN并将他们分类为各种类别。
⑤将每个区域划分为相应的类后，就可以组合所有这些区域来获取具有检测到的对象的原始对象。
使用这种方法会面临的问题在于，图像中的对象可以具有不同的宽高比和空间位置。例如，在某些情况下，对象可能覆盖了大部分图像，而在其他情况下，对象可能只覆盖图像的一小部分，并且对象的形状也可能不同。
基于此，需要划分大量的区域，这会花费大量的计算时间。因此，为了解决这个问题并减少区域数量，可以使用基于区域的CNN，它使用提议方法选择区域。
原文链接