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)
- 滑动窗口进行区域提名
- 多尺度滑动窗口增加检测数量
- 回归模型预测每个对象的位置
- 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
- 区域提名:选择性搜索
- 区域大小归一化:resize
- 特征提取:CNN
- 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