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