物体检测 方法总结 -----------（1）

一、两阶段

使用selective search产生图中候选region，使用CNN提取region的特征，用SVM分类

1、RCNN

基本流程：通过SelectiveSearch在原图中得到所有候选区域（即可能存在物体的region），然后对这些region依次提取特征，将得到的特征用SVM进行分类

优点：RBG大神首次将CNN方法应用到目标检测上，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题的转化。

缺点：

   1）多个候选区域对应的图像需要预先提取，占用较大的磁盘空间；

   2）针对传统CNN需要固定尺寸的输入图像，crop/warp（归一化）产生物体截断或拉伸，会导致输入CNN的信息丢失；

   3）每一个ProposalRegion都需要进入CNN网络计算，上千个Region存在大量的范围重叠，重复的特征提取带来巨大的计算浪费。

  算法可以分为四步：

   1) 选择候选区域

        使用Region Proposal 选择候选区域。Region Proposal 是一类传统的区域提取方法，通过Selective Search对每张图提取了约2000个大小不一候选区域，为了使不同尺寸的候选区域可以喂给固定输入尺寸的网络提取特征，对这些候选区域都缩放到227，为避免缩放操作对识别检测精度的影响，作者对缩放过程做了优化，比如对候选区域边界扩展、warp等，并选取最好的缩放方式。

 根据Proposal提取的目标图像进行归一化，作为CNN的标准输入。

   2) CNN特征提取

        标准CNN过程，根据输入进行卷积/池化等操作，得到固定维度的输出；

   3) 分类和回归

 实际包含两个子步骤，一是对上一步的输出向量进行分类（需要根据特征训练分类器）；二是通过边界回归（bounding-box regression，选取判定为该类别的框与标定框的IoU大于0.6的候选框，提取深度特征进行回归) 得到精确的目标区域，由于实际目标会产生多个子区域，旨在对完成分类的前景目标进行精确的定位与合并，避免多个检出。

2、SPP-Net

优点：既然CNN的特征提取过程如此耗时（大量的卷积计算），为什么要对每一个候选区域独立计算，而不是提取整体特征

      1）取消了crop/warp图像归一化过程，解决图像变形导致的信息丢失以及存储问题；

 

      2）采用空间金字塔池化（SpatialPyramid Pooling ）替换了 全连接层之前的最后一个池化层。

 为了适应不同分辨率的特征图，定义一种可伸缩的池化层，不管输入分辨率是多大，都可以划分成m*n个部分。这是SPP-net的第一个显著特征，它的输入是conv5特征图 以及特征图候选框（原图候选框 通过stride映射得到），输出是固定尺寸（m*n）特征；

缺点：

    1）和RCNN一样，训练过程仍然是隔离的，提取候选框 | 计算CNN特征| SVM分类 | Bounding Box回归独立训练，大量的中间结果需要转存，无法整体训练参数；

    2）SPP-Net在无法同时Tuning在SPP-Layer两边的卷积层和全连接层，很大程度上限制了深度CNN的效果；

    3）在整个过程中，Proposal Region仍然很耗时。

3、fast-Rcnn

Fast-RCNN主要贡献在于对RCNN进行加速。

 

优点及改进：

        1） 借鉴SPP思路，提出简化版的ROI池化层（注意，没用金字塔），同时加入了候选框映射功能，使得网络能够反向传播，解决了SPP的整体网络训练问题；

        2）多任务Loss层

    A）SoftmaxLoss代替了SVM，证明了softmax比SVM更好的效果；

    B）SmoothL1Loss取代Bouding box回归。

        将分类和边框回归进行合并（又一个开创性的思路），通过多任务Loss层进一步整合深度网络，统一了训练过程，从而提高了算法准确度。

        3）全连接层通过SVD加速

        4）结合上面的改进，模型训练时可对所有层进行更新，除了速度提升外（训练速度是SPP的3倍，测试速度10倍），得到了更好的检测效果（VOC07数据集mAP为70，注：mAP，mean Average Precision）。

缺点：Proposal Region仍然很耗时。

 

4、faster-RCNN

 

改进：在特征图上提取候选框，低分辨率特征图意味着更少的计算量，提出RPN（RegionProposal Network）

优点：添加RPN分支网络，将候选框提取合并到深度网络中，

 Faster实现了端到端的检测，并且几乎达到了效果上的最优，速度方向的改进仍有余地，

有些基于Faster-RCNN的变种准确度已经刷到了87%

二 、单阶段

1、YOLO系列

直接进行整图回归，速度快

（1)、YOLO-V1

 

YOLO有两个缺点：一个缺点在于定位不准确，另一个缺点在于和基于region proposal的方法相比召回率较低。

  (2)、YOLO-V２

YOLOv2算法在VOC 2007数据集上的表现为67 FPS时，MAP为76.8，在40FPS时，MAP为78.6.  

虽然加入anchor使得MAP值下降了一点（69.5降到69.2），但是提高了recall（81%提高到88%）。

 

  (3)、YOLO-V3

2、SSD

     由于YOLO本身采用的SingleShot基于最后一个卷积层实现，对目标定位有一定偏差，也容易造成小目标的漏检。

        基于多尺度特征的Proposal，SSD达到了效率与效果的平衡，从运算速度上来看，能达到接近实时的表现，从效果上看，要比YOLO更好。

 

=========================未完待续===========================