李沐动手学视频笔记-计算机视觉-目标检测

目标检测两大任务：1.区分类别 2.确定位置

锚框：

大多数目标检测是基于锚框：

1.提出多个锚框（边缘框）

2.预测锚框中是否含有关注物体

3.如果含有关注物体，进行偏移，调整锚框到真实边框

IoU交并比：计算两个框之间的相似度。取值范围0-1，0代表无重叠，1代表重合。

交并比就是两个框的交集比上并集

赋予锚框标号

训练过程中生成大量锚框，再为每个锚框赋予标号。锚框可能被标注成背景，要么就标注成相关的真实框以及偏移量。这大量锚框中可能会有大量负样本存在

非极大抑制（NMS）输出

消除重复框：1.选取非背景类的最大预测值。2.去掉所有其他与他的交并比（IoU）大于的预测。3.重复上述过程，直到所有预测框要么被留下要么被消除。

目标检测常用算法

一.区域卷积神经网络（R-CNN）

 

特点：

• 使用启发式搜索算法选择锚框
•  使用预训练模型将每个锚框的画面感当作图片输入，对每个锚框提取特征
• 训练SVM对锚框进行预训练
• 使用线性回归预测锚框的偏移

 由于每个锚框大小不一无法计算，使用兴趣区域池化层将锚框转化成固定大小的输出。

兴趣区域（RoI）池化层：给定锚框划分成nxm块，输出每块最大值，输出值大小总是nxm

二、Fast RCNN

改进：每个图片抽多个锚框，每个锚框都要进行卷积计算抽取特征，计算量太大。Fast RCNN不是对每锚框提取特征

1. 而是对整个图片抽取特征
2. 之后按照锚框在特征图提取相应位置的特征信息
3. 然后使用Rol pooling将提取的特征图转化成大小相同
4. 最后将多维的特征图结果传入全连接层进行预测类别和偏移量。

 好处：减少特征计算量

三、Faster R-CNN

改进：使用神经网络替代选择搜索锚框算法

 四、Mask R-CNN

如果有像素级别的标号，使用FCN来利用这些信息

 总结：

• R-CNN是最早、也是最有名的一类基于锚框和CNN的目标检测算法
• Fast/Faster R-CNN持续提升性能
• Faster RCNN和Mask R-CNN在要求精度高的场景下比较适用

四、单发多框检测（SSD）

对每个像素生成锚框  总结:

• SSD通过单神经网络来检测模型
• 在以像素为中心产生多个锚框
• 在多段输出上进行多尺度检测

五、YOLO

主要思想：与SSD一样通过单神经网络来检测，但是每个锚框之间不重复，减少计算量。并且没个锚框预测多个边缘框，防止一个锚框中出现多个物体。