全段时间说写,一直也没有写,开学遥遥无期,赶紧充充电!
一文读懂目标检测:R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
目标检测算法总结
1、传统视觉:Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化;
2、候选区域/框 + 深度学习分类:通过提取候选区域,并对相应区域进行以深度学习方法为主的分类的方案,如:
R-CNN(Selective Search + CNN + SVM)
SPP-net(ROI Pooling)
Fast R-CNN(Selective Search + CNN + ROI)
Faster R-CNN(RPN + CNN + ROI)
R-FCN
等系列方法;
3、基于深度学习的回归方法:YOLO/SSD/DenseBox 等方法;以及最近出现的结合RNN算法的RRC detection;结合DPM
DeformableCNN等
原文很好的总结了常用算法的优缺点,及步骤,现在搬运一下:
RCNN
1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Sear