目标检测总结

参考 目标检测-Yolo框架_Dragon Prince的博客-CSDN博客

RCNN、Fast-RCNN、Faster-RCNN介绍_rcnn fast rcnn faster rcnn_夜半罟霖的博客-CSDN博客

基于深度学习的目标检测算法主要分为两类：Two stage和One stage。

1）Tow Stage
先进行区域生成，该区域称之为region proposal（简称RP，一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。

任务流程：特征提取 --> 生成RP --> 分类/定位回归。

常见tow stage目标检测算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。

• 相对较高的检测准确率，但运行速度较慢

R-CNN (Regions with CNN features)

 结构：

Region proposal module：selective search输出候选区域（缩放处理）

Feature extraction network： CNN提取特征（Alexnet）

classifier（task1）：根据CNN提取的特征做分类任务（SVM）

locator（task2）：对每类样本都单独设置回归器模型；Alexnet第五层特征作为输入，输出候选区域平移和缩放的变换系数

Fast R-CNN

warped region：对生成的候选框进行统一的缩放处理

• anisotropically scales (各向异性缩放)

即不论候选框的长宽比例，直接进行缩放，这样做的虽然很方便，但候选框可能会存在严重的拉伸变形状，影响后续的特征提取效果

•  isotropically （各向同性缩放）【一般使用】`

如果候选框存在着长宽比例不一致的情况，则进行裁剪和填充使其比例一致。先裁剪后填充或者是先填充后裁剪都是可以的。

特征提取（CNN）

 在进行特征提取时我们需要利用 CNN 为这些候选框进行打标，选择的标准就是 IOU（交并比）。当选择性搜索选出来的候选框与人工打标的候选框的 IOU 达到 0.5 以上时，这个候选框便是目标物体（正样本），否则则是负样本（背景）。

缺点：卷积层的权重无法更新

SVM 分类器和边界框回归

       将 CNN 提取的特征向量输入 SVM 分类器进行分类即可得到目标物体的类别，然后对每一类目标，使用一个线性回归器对边界框位置进行精修，使其输出更为准确的边界框坐标

Fast R-CNN

 Fast R-CNN 网络将整张图片和一组候选区域作为输入。先利用卷积层和最大池化产生卷积特征图，然后对于每个目标区域使用兴趣区域池化层（RoI）来从特征图中提取固定长度的特征向量。然后这些特征向量被送进全连接层产生两个并行的输出层：一个产生softmax的分类结果，另一层产生目标物体的坐标值。Fast R-CNN 的结构如下图所示：

RoI（Region of Interest）Pooling 本质上就是候选框

2）One Stage
不用RP，直接在网络中提取特征来预测物体分类和位置。

任务流程：特征提取–> 分类/定位回归。

常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv2、YOLOv3、SSD和RetinaNet等

p_c： 预测结果的置信概率

b...:    边框坐标

C： one-hot分类编码

AP：P-R曲线的面积

mAP（Mean Average Precision） ：类别的平均AP