21个项目玩转深度学习-----深度学习目标检测

提取框，对每个框提取特征，图像分类，非极大值抑制四个步骤进行目标检测，只不过在提取特征的时候，将传统的特征，换成了深度卷积网络提取特征。
在数据集上训练R-CNN
1 在数据集上训练CNN ,使用的是Alexnet，数据集是ImageNet。
2 在目标检测的数据集上，对训练好的CNN进行微调
3 用selective search搜索候选区域，统一使用微调的CNN对这些区域提取特征，并将提 取的特征存储此下来
4 使用存储的特征，训练SVM 分类器
传统的目标检测算法的平均精度是MAP，为40%,R_CNN 达到了58.5%
缺点就是计算量大，使用selective search得到有效区域往往子在1000个以上，要训练1000次神经网络。
SPPNet的原理
Spatial Pyramid Pooling ConvolutionalNetworks z 翻译成中文是“空间金字塔油化卷积网络”，将CNN的输入从固定尺度改为任意尺度，加入了ROI池化层，我、使得网路的输入图像可以是任意尺度的，同样是一个固定维数的向量，可以将卷积层中不同形状的区域对应到同样长度的向量特征。将原始图像不同长宽比的区域都对应到一个固定长度的向量特征，这样就完成了各个区域的特征提取工作。

R-CNN与 SPPNet 的相同点在于，它们都遵循着提取候选框、提取特征、
分类几个步骤。在提取特征后，官们都使用了 SVM 进行分类。
Fast R-CNN的原理
不在使用SVM作为分类器，而是使用神经网络进行分类，这样就可以同时训练特征提取网络和分类网络，从而取得比SPPNet更高的准确度。
将原始图片的候选区域映射到卷积特征的对应区域，然后使用ROI池化层对改区域提起特征，之后的分类直接用faster-CNN，另外一个输出负责的是框的回归。回归就是对于原始的检测框的进行某种程度的校准，因为使用selective search获得的框有时存在一定的偏差。精度可以达到70%

Fast R-CNN 与 SPPNet 最大的区别就在于， Fast R-CNN 不再使用 SVM
进行分类，而是使用一个网络同时完成了提取特征、判断类别 、 框回归三项
工作 。

faster R_CNN
因为上一个检测器还是用selective search提取框，这个方法比较慢 ，这里使用了RPN取代了selective search，不仅速度得到了提高，并且还获得了更加精确的结果。

anchor 的 9 种尺寸如图 5-7 所示，官们的面积分别 128128’ 256256’， 512512 。 每种面积又分为 3 种长竟比，分别是 2 : I 、 I : 2 、 I : 1 。 anchor 的尺寸实
际是属于可调的参数，不同任务可以选择不同的尺寸 。


k为单个位置对应的anchor的个数，此时k=9，首先使用一个33 的滑动窗口，将每个位置转换为一个统一的256维的特征，这个特征对应两部分的输出，一部分表示该位置的 anchor 为物体的概率， 这部分的总输出长度为 2xk （一个 anchor 对应两个输出·是物体的概率＋不是物体的概率）。 另一部分为框回归，框回归的含义与 Fast R-CNN词中一样 ，一个anchor 对应 4 个框回归参数，因此框回归部分的总输出的长度为 4*k 。在训练的过程中，需要训练两个网络，一个是RPN网络， 一个是得到框之后的分类网络，通常就是交替训练，就在一个batch内，先训练RPN一次，在训练分类网络一次。

faster-rcnn的精度可以达到78.8%。