44 物体检测算法：R-CNN，SSD，YOLO [动手学深度学习v2]

1. R-CNN

   

   图1.R-CNN模型

   使用启发式搜索算法来选择锚框；

   使用预训练模型来对每个锚框抽取特征；

   训练一个SVM来对类别分类；

   训练一个线性回归模型来预测边缘框偏移。

2. 兴趣区域（RoI）池化层

   给定一个锚框，均匀分割成$n\times m$块，输出每块里的最大值；

   不管锚框多大，总是输出$nm$个值。

   

   图2.一个2 x 2的兴趣区域汇聚层

3. Fast R-CNN

   

   图3.Fast R-CNN模型

   使用CNN对图片抽取特征；

   使用Selective search基于原始图片搜索一些锚框；

   将搜索到的锚框等比例映射到经过CNN之后的特征上面；

   使用RoI池化层对每个锚框生成固定长度特征。

4. Faster R-CNN

   

   图4.Faster R-CNN模型

   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。

5. Mask R-CNN

   

   图5.Mask R-CNN模型

   如果有像素级别的标号，使用FCN来利用这些信息。

6. 单发多框检测（SSD）

   

   图6.SSD模型主要由一个基础网络块和若干多尺度特征块串联而成

   对每个像素，生成多个以它为中心的锚框；

   一个基础网络来抽取特征，然后多个卷积层块来减半高宽；

   在每段都生成锚框：底部段来拟合小物体，顶部段来拟合大物体；

   对每个锚框预测类别和边缘框。

7. YOLO

   SSD中锚框大量重叠，因此浪费了很多计算；

   YOLO将图片均匀分成$S\times S$个锚框；

   每个锚框预测B个边缘框。