FasterRCNN目标检测原理解析（一）

看了两位up主的视频，受益匪浅丫，认真做了笔记，分享一下...

参考资料：[1]https://www.bilibili.com/video/BV1x4411q7da

                  [2]https://www.bilibili.com/video/BV1af4y1m7iL

目标检测--传统算法

时间：2014年前

技术实现：①候选区域选择：不同大小的边框在图像上遍历提取目标位置。②特征提取：SIFT、HOG算子。其两个主要两个功能是过滤候选框和识别物体类别。③分类：SVM、adaboost

特点：时间复杂度高

场景：对精确度要求不高的低端嵌入式设备

目标检测--深度学习算法

>RCNN (Region with CNN Features)

时间：2014年

论文：Rich feature hierarchies for accurate object detection and semantic segmentation

技术实现：①候选区域选择，有selective search、edge boxes；②特征提取，有CNN、IOU、NMS；③分类，SVMs

缺点：由于有候选区域和特征提取两个阶段，所以速度比较慢。

>fastRCNN

时间：2015年

论文：Fast RCNN

Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

技术实现：①候选区域选择采用了Selective Search、ROI、SPP；②特征提取采用了CNN；③分类，多任务目标函数使用了softmax。

缺点：速度慢

>fasterRCNN

时间：2015年

论文：Feature Pyramid Networks for Object Detection；

           Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks

技术实现：①候选区域选择采用了RPN、anchors；②特征提取采用了CNN；③分类，多任务目标函数使用了softmax