【目标识别2】

---

前言

两阶段目标检测

两阶段目标检测的演进历程如下：

首先是RCNN：使用selective search进行区域提取，然后将提取的区域resize到固定尺寸，接着通过卷积神经网络（CNN）提取特征，并使用支持向量机（SVM）进行分类（每个区域的分类都需要独立的CNN，速度较慢）。

接着是SPP Net：同样使用selective search进行区域提取，然后通过CNN提取特征，但是引入了空间金字塔池化（SPP），使得不同尺度的特征可以被有效地利用，最后再通过SVM进行分类。

然后是Fast RCNN：同样使用selective search进行区域提取，但是引入了区域兴趣池化（ROI Pooling），使得不同大小的区域可以被CNN共享，从而提高了速度。

接下来是Faster RCNN：引入了区域生成网络（RPN），用于在特征图中提取候选区域，然后再通过ROI Pooling和共享的CNN提取特征。

最后是Mask RCNN：在Faster RCNN的基础上，引入了更高质量的特征提取方式（ROI Align），以及特征金字塔网络（FPN），同时实现了目标检测和实例分割。

---

一阶段目标检测

一、YOLO：You only Look Once