准备踏入Object Detection的学习,先建一个blog来记录下自己的学习内容。
在“目标检测”任务中,主要解决的两个问题,即图像中的多个目标物在哪里?【位置】以及是什么?【类别】。通常来说,一般把其发展历程分为三个阶段:
- 传统的目标检测方法
- 以R-CNN为代表的结合region proposal和CNN分类的目标检测框架(R-CNN,SPP-Net,Fast R-CNN,Faster R-CNN,R-FCN)。
- 以YOLO为代表的将目标检测转换为回归问题的end-to-end的目标检测框架(YOLO,SSD)。
脉络梳理
传统方法—> RCNN(2014 ECCV) —> SPPNet (2015) —> Fast RCNN (2015 ICCV) —> Faster RCNN (2016 NIPS) —> Mask RCNN (2017) —> SSD (2015 ECCV) —> YOLO (2016 CVPR) —> YOLO v2 (2016).
传统的目标检测方法
分为三个阶段:区域选择—>特征提取—>分类器分类。
- 区域选择:利用不同尺寸的滑动窗口框住图中的某一部分作为获选区域。
- 特征提取&