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,