计算机视觉之目标检测入门2

目标检测算法

• R-CNN
• fast R-CNN
• faster R-CNN
  三个模型由Ross B. Girshick完成，毕业于加州大学伯克利分校。

R-CNN（regions with CNN features）

R-CNN由RGB与2014年提出的目标检测算法，将CNN用于目标检测的里程碑，借助于CNN特征提取和分类性能，通过RegionProposal（基于区域）方法实现目标检测。
1. 基于区域的方法selective search
step1:计算区域集中每个相邻区域的相似度S={s1, s2…}
while S非空：
step2:找出相似度最高的两个区域，将其合并为新集Rt，添加进R
step3:从S中移除所有与step2中有关的子集
step4:重新计算新集Rt与所有子集的相似度

相似度主要看颜色、纹理、尺寸、交叠四个方面。

2. 算法框架

算法实现流程：

1）选择一个分类模型

2）去掉最后的全连接层，根据数据集类别改为（N+1），对该模型进行微调