目标检测算法整理（简洁版）

目录

完整版链接

如果想要详细的了解深度学习在目标检测上的应用，可以戳
https://www.cnblogs.com/gujianhan/p/6035514.html

https://www.cnblogs.com/skyfsm/p/6806246.html

区域提名方法

• 滑动窗口：穷举法，不同的尺度和长宽比窗口。
• 规则块：选用固定的大小和长宽比，在特定场景中比较有效。
• 选择性搜索：自底向上不断合并候选区域的迭代过程。

有区域提名算法

OverFeat(2013)

1. 滑动窗口进行区域提名
2. 多尺度滑动窗口增加检测数量
3. 回归模型预测每个对象的位置
4. 边框合并

创新点： OverFeat是CNN用来进行目标检测的早期工作，主要思想是多尺度滑窗进行分类、定位和检测。

R-CNN

1. 区域提名：选择性搜索
2. 区域大小归一化：resize
3. 特征提取：CNN
4. 分类和回归：识别、微调边框位置

创新点： 将overfeat的多尺度滑窗换成选择