目标检测算法综述:
1.引言
1)目标检测可理解为物体识别和物体定位的总和,即要识别物体属于哪个分类以及得到物体在图片中的具体位置;
2)目标检测模型分为两类:一类为two-stage,将物体识别与物体定位分两个步骤(典型代表:R-CNN、fast R-CNN、faster-RCNN);另一类为one-stage,典型代表有Yolo、SSD、YoloV2等.
2.传统的和基于深度学习的目标检测方法对比:
- 传统的目标检测方法
- 手动设计特征
- 滑动窗口
- 传统分类器
- 多步骤
- 准确度和实时性差
- 基于深度学习的目标检测方法
- 深度网络学习特征
- Proposal或者直接回归
- 深度网络
- 端到端
- 准确度高和实时性好
3.解释一些名词与算法
two-stage:
主要通过一个卷积神经网络来完成目标检测过程,提取的是CNN卷积特征。
训练网络主要训练两个部分:第一步训练RPN网络(详情可见下方);第二步训练目标区域检测的网络。
其优缺点在于:网络的准确度高、速度相对one-stage慢。
-
Two-stage目标检测网络基本流