😾😾😾
目标检测-前沿及研究背景
一、目标检测任务简述
目标检测关注特定的物体目标,要求同时获得这一目标的类别信息和位置信息。相比分类,检测给出的是对图片前景和背景的理解,我们需要从背景中分离出感兴趣的目标,并确定这一目标的描述(类别和位置),因而,检测模型的输出是一个列表,列表的每一项使用一个数据组给出检出目标的类别和位置(常用矩形检测框的坐标表示)。
二、目标检测重要工作回顾(简述)
1.两阶段(2-stage)检测模型
1)R-CNN
论文链接:Rich feature hierarchies for accurate object detection and semantic segmentation
R-CNN主要有两个贡献:
- CNN可用于基于区域的定位和分割物体
- 监督训练样本数紧缺时,在额外的数据上预训练的模型经过fine-tuning可以取得很好的效果
R-CNN算法流程:
- 一张图像生成1K~2K个候选区域(使用Selective Search算法)
- 对每个候选区域,使用深度网络提取特征(CNN)
- 特征送入每一类的SVM分类器,判断是否属于该类
- 使用回归器精细修正候选框位置
- 几个重要的概念:
- SS算法:Select Search算法
- NMS(Non Maximum Suppression)非极大值抑制:NMS
- 边界框回归:Bounding-Box regression
- mAP
R-CNN算法不足之处:
- 需要处理的上千的候选框,而很大一部分候选框的特征使用CNN提取都是冗余的
- 建议框只提供了粗略的定位,还需要经过边界框回归来进一步精确
2)Fast R-CNN
论文链接:Fast R-CNN
Fast R-CNN贡献如下:
- 使目标检测的mAp更高
- 训练过程是单阶段,使用多任务损失
Fast R-CNN算法流程:
- 一张图像生成1K~2K个候选区域(使用Selective Search算法)
- 将图像输入网络得到相应的特征图,将SS算法生成的候选框投影到特征图上得到相应的特征矩阵
- 将每个特征矩阵RoI pooling层缩放到7x7大小的特征图,接着将特征图展平通过一系列全连接层得到预测结果
3)Faster R-CNN
论文链接:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
Faster R-CNN贡献如下:
- 提出Regional Proposal Networks(RPN)
Faster R-CNN算法流程:
- 将图像输入网络得到相应的特征图
- 使用RPN结构生成候选框,将RPN生成的候选框投影到特征图上获得相应的特征矩阵
- 将每个特征矩阵通过RoI pooling层缩放到7x7大小的特征图,接着将特征图展平通过一系列全连接层得到预测结果
2.一阶段(1-stage)检测模型
单阶段模型没有中间的区域检出过程,直接从图片获得预测结果,也被成为Region-free方法。
1)YOLO(You Only Look Once)
论文链接:You Only Look Once: Unified, Real-Time Object Detection
2)SSD(Single Shot Multibox Detector)
论文链接:SSD: Single Shot MultiBox Detector