迁移学习之物体定位与检测下
目标检测
当输入一张图片,图片包含几个类别的几个对象,需要找到每个对象的边界框。如下图:
能否将目标检测当成回归问题?对于不同的图片输出的多个对象的边界框,可能输出4个边界框也可能输出8个边界框,输出的数量不固定,所以无法当成是回归问题。
将其当做分类问题:把图片的一部分输入到CNN中,对其进行分类和定位。比如
输入的大小是怎么确定的?将其从小到大全部试一遍。显然这样的方法是很耗时的,于是提出了Region proposal,即输入一张图像,给出目标可能在的全部区域。Region proposal的一种是selective search,该方法是从像素触发,把具有相似颜色和纹理的相邻像素合并,最终得到几个边界框。
R-CNN
思想:通过selective search的方法得到一个图片的几个框,然后将这些框调整成固定的大小输入的cnn中,cnn连接到一个svm分类和一个定位网络中。结构如下图: