【CV】07_目标检测

• 经典论文
  
• 数据集

1. PASCAL VOC – 20类物体
   http://host.robots.ox.ac.uk/pascal/VOC/
2. COCO数据集 – 80类物体
   http://cocodataset.org/#home

• 图示 [ 物体的种类，种类出现的概率，坐标 ]
  

【一】R - CNN

• 搜索 + 分类

1. 产生物体可能的位置的候选区域（基于 Selective Search 图像分割）
2. 把这个区域送给CNN去做分类和检测框回归，即预测检测框的坐标
3. CNN可以使用在 ImageNet 数据集上预训练的模型

• 主要贡献：用CNN去取代原来的特征提取和分类器
• 问题：每个区域的分类器的计算都是独立的，速度太慢
  

【二】Fast R - CNN

• 搜索 + 分类

1. 输入图片直接输入到卷积网络得到特征图，特征计算可以被不同的候选区域共享
2. 使用 Selective Search 选中 2000 个候选区域
3. 修改预训练的 CNN，将 CNN 的最后一个 flatten 层及后面的层删掉，换成 RoI Pooling 层
4. 在 RoI Pooling 层后面加上几个全连接层，两大分支：SoftMax 层 + Bounding-Box Regression 层

• 主要贡献：避免了对相同区域的特征重复提取，大大提高了检测器的速度
• 问题：候选区域提取成了瓶颈
  

【三】Faster R - CNN

• 搜索 + 分类

1. 引入了一个叫 Region Proposal Network (RPN) 的结构，所谓 RPN 就是一个 CNN，用来预测哪些地方可能有物体，并回归出物体的位置
   
   

【家族】R-CNN 家族比较

【四】R - FCN

• Faster R-CNN 虽然有共享网络，但是在最后的区域特征分类环节，还是需要分别将区域送进分类网络，此时并不共享
  
• R - FCN 为每个通道（channel）都赋予了意义来解决这个问题
  

【五】YOLO（You Only Look Once）

• 在对图片不断地卷积提取特征后，通过全连接操作把特征向量的纬度变为：7 x 7 x 30
• 7 x 7 表示原图像被分为 7 x 7 个格子;
  30（2 x 4 + 2 + 20）表示每个格子预测两个框 (2)，每个框有4个坐标值 (4)，该框是否含有物体 (2)，物体总共有20个类别 (20)
  

【六】SSD（Single-Shot Detector）

• 一步到位的检测器
• SSD 可以看作是一个强化版的 RPN
• 多尺度检测，比较浅的输出层的分辨率比较高，用来检测小一些的物体，比较深的层分辨率低，检测大的物体
  

【七】FPN 优秀的特征提取方法

• 多尺度检测
• 很好的利用了各个卷积特征图
  

【八】Mask R - CNN

• 将 Roi Pooling 层替换成了 Roi Align，解决了仅通过 Pooling 直接采样带来的 misalignment 非对齐问题
• 在 Faster-RCNN 的基础上添加一个分支网络 Lmask，在实现目标检测的同时，把目标像素分割出来
  

【九】Intersection over Union (IoU) - 交并集