常用目标检测算法集锦

目标检测算法分类

        按照算法流程流程可以分为单阶段和两阶段（two-stage）两种。指的是先通过某种方式生成一些备选框，然后对备选框region proposal中内容进行分类，并修正备选框的位置的方法，由于包含了region proposal和detection两个步骤，故称为two-stage。与之不同的是，one-stage思路是直接对图像进行各个位置上的候选框的预测和分类，不需要预先生成一些备选框，以YOLO和SSD方法代表的就是one-stage

        与单阶段的相比，两阶段的检测精度稍微高一些，检测速度较慢，单阶段检测精度较低，但是速度快很多。

R-CNN

        最早利用CNN实现目标检测的算法，其中R指的是region，R-CNN指的即Region with CNN features.指的对于不同区域进行特征提取分类。

RNN检测流程

（1）选择性搜索（selective search）筛选一些备选的区域框。即备选框

（2）将备选框缩放到指定尺寸， 用于输入CNN进行分类，目的在于通过训练CNN，得到每个备选框的定长特征向量。

（3）用于每个备选框中提取的特征向量训练支持向量机（SVM）分类模型，获得最终分类结果。

（4）非极大化抑制（NMS）得到bbox

（5）分类完成后，对bbox进行回归，修正bbox中坐标的值，获得更加精确的bbox、

        在上述过程中，