目标检测综述

计算机视觉能解决的问题------分类、检测、分割

分类：算法可以可以告诉我们图像的类别，但并不知道物体再图像中的位置。

检测：用矩形框把图像中的物体框出来，进行分类和定位。（一个图像中有多个物体多个类别，把每一个物体都用矩形框框出来进行分类）

分割：在检测的基础上获得更准确的抠图信息。

 

分割的分类------语义分割、实例分割

语义分割：对每一个像素分类不管这个像素是属于那几个物体的，只管他是什么类别的。

实例分割：要把同一个类别的不同实例区分出来。

 

 

 

 

目标检测的两个流派

One-stage detector：不提取候选框，直接把全图输入进算法里面，模型直接输出结果，一步到位，简单的端到端的输入输出。主要模型：YOLO、SSD、Retina-Net。优缺点：速度快，准确度相对低

Two-stage detector：先从图像中提取出若干候选框，再逐一的对候选框进行分类，检测，调整坐标等等。主要模型：RCNN、SPPNet，Fast RCNN、Faster RCNN等等，优缺点：准确率高，速度慢