目标检测梳理

项目结构：

• 数据采集层：数据收集标注
• 深度模型层：YOLO，SSD，模型导出，Serving部署
• 用户层：前端交互，（web）后台对接部署的模型

目标检测不仅仅是分类，而且还需要输出图片中目标的位置信息。

• 分类与定位：图片中只有一个物体需要检测
• 目标检测：图片中有多个物体需要检测

目标检测常用方法

滑动窗口

        定义不同大小不同长宽比的窗口滑动图片，将滑动窗口下的图片送入网络模型进行分类识别。

R-CNN模型

步骤：

• Selective Search方法找出2000个候选框；
• 将2000个候选区域做大小变换后送入AlexNet，得到特征向量2000*4096；
• 经过20个类别的SVM分类器（20个SVM分类器）对2000个候选区域做判断，得到2000*20个得分矩阵；
• 对2000个候选框进行非极大值抑制（首先去除概率小于0.5的框，然后通过IOU去除重合度较高的框）；
• 修正候选框，bbox回归微调。

优点：候选区域方法，提供了物体检测的思路。

缺点：训练多个模型（SVM+bbox回归），训练耗时，处理速度慢，图片形状变化导致图像变形影响检测。

SPPNet

步骤࿱