object detection

1.yolo

2.RCNN

步骤:

1.采用selective search生成候选区域（region proposal）

2.将候选区域输入到一个预训练的网络（fine-tuning）

3.每个类别训练一个SVM分类器，用regressor对候选框进行回归

缺点:

时间和内存消耗太大，训练SVM和回归的时候都需要用网络生成的特征作为输入

3.Fast R-CNN

4.Faster R-CNN

https://github.com/yhenon/keras-frcnn(deprecated)

https://github.com/softberries/keras-frcnn

https://github.com/small-yellow-duck/keras-frcnn

https://github.com/fizyr/keras-retinanet

vgg中，con3_64，表示卷积核为(3, 3),filters数目为64

SPP-net： spatial pyramid pooling ,空间金字塔池化层，放置在卷积层和全连接层之间，对特征图像进行压缩处理，避免了在进入卷积层之前要对图像进行截取（crop warp），卷积层对图像的尺寸没有限制，但全连接层对尺寸有限制。

bag of words: 词袋模型，常用于语言识别，句子是由多个关键词构成，通过关键词可以对句子进行表示。应用在图像识别中，整体图像可以由局部的图像组成。局部的图像组合在一起即为词袋，可以用于表示整体图像。

loss function

对两类anchors会打上正标签：（1）与实际（ground-truth）box的IoU（Intersection-over-Union）值最大，（2）与实际box的IoU值超过0.7
以第二个条件为依据可以满足大多数情况

如果IoU值低于0.3则为负标签

如果某个anchors即非正也非负，则不会作为训练对象

anchors

对于1000 x 600的图片，大概有20000（≈ 60 x 40 x 9）个anchors，9是3种纵横比，3种分辨率之积，60是1000/16，40是600/16，经过vgg后，图片会从（A，B，3）变为（A/16，B/16，512），详情见VGG-16

忽略掉跨过边界的anchors，每张图片还剩余6000个anchors，进过NMS（非最大抑制，阈值为0.7），剩余2000张候选区域（proposal regions）

5.Mask R-CNN

https://github.com/matterport/Mask_RCNN

案例
点击
点击