图像中目标检测的任务是分类+定位,所以与CNN基础架构相比,有以下几个针对性改进:
- 输出结构包含两部分:该目标属于某个类别的置信度,该目标的最小外接矩形
- 输入不是全图,而是候选目标区域(object proposal)
深度目标检测算法(网络架构)的发展历程:
R-CNN -> Fast R-CNN -> Faster R-CNN -> FCN -> YOLO -> SSD -> FPN -> Mask R-CNN
某种角度上,本质可以看做是object proposal 提取方式的发展史。
R-CNN(2014)
预先计算object proposal(selective search)+ 传统分类深度网络。分类pre-training,检测fine-tuning。
算法步骤:
- 在图像上生成objective proposal
- 在每个proposal上运行卷积神经网络,提取图像特征
- 将提取的图像特征分别送入Bbox(线性回归器)和SVM进行边框修正和分类
优点:
简单,易理解
缺点:
各个步骤是分离的,非常耗时,太依赖objective proposal算法。