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