目标检测算法综述

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