深入了解目标检测深度学习算法的技术细节

全文共4608字，预计学习时长12分钟

图源：unsplash

本文将讨论目标检测的基本方法(穷尽搜索、R-CNN、Fast R-CNN和Faster R-CNN)，并尝试理解每个模型的技术细节。为了让经验水平各不相同的读者都能够理解，文章不会使用任何公式来进行讲解。

 

检测螺母和螺栓-克里斯·耶茨（Unsplash）

 

开启目标检测的第一步

 

这是只鸟还是架飞机？—— 图像分类

目标检测(或识别)基于图像分类。图像分类是通过上图所示的像素网格，将图像分类为一个类类别。目标识别是对图像中的对象进行识别和分类的过程，如下图所示：

 

为了使模型能够学习图像中对象的类别和位置，目标必须是一个五维标签(类别，x, y，宽度，长度)。

对象检测方法的内部工作

 

一种费机器（奢侈计算）的方法：穷举搜索

 

最简单的目标检测方法是对图像的各个子部分使用图像分类器，让我们来逐个考虑：

 

· 首先，选择想要执行目标检测的图像。

 

· 然后将该图像分割成不同的部分，或者说“区域”，如下图所示：

 

· 把每个区域看作一个单独的图像。

· 使用经典的图像分类器对每幅图像进行分类。

· 最后，将检测到目标的区域的所有图像与预测标签结合。

 

这种方法存在一个问题，对象可能具有的不同纵横比和空间位置，这可能导致对大量区域进行不必要的昂贵计算。它在计算时间方面存在太大