目标检测算法
问题及简史
滑动窗口法：不断在图像中切出小的图像块，检测完所有图像块后再进行置信度判断，留下的方框作为检测结果。①对图像尺寸进行缩放。②图像窗口尺寸变化。
AdaBoost：加大错分样本的权重，以使下一次分类正确。不断构造弱分类器，实现多个弱分类器的结连，从而形成强分类器
基于深度学习的检测算法
R-CNN基本策略
- 输入测试图像；
- 利用selective search算法在图像中从上到下提取2000个左右的候选区域；
- 将每个候选区域缩放成227*227的大小并输入到CNN，将CNN的fc7层的输出作为特征；
- 将每个候选区域提取的CNN特征输入到SVM进行分类；
- 对于SVM分好类的候选区域做边框回归
R-CNN的缺点：
- 训练分为多个阶段，步骤繁琐：微调网络+训练SVM+训练边框回归器；
- 训练耗时，占用磁盘空间大；5000张图像产生几百G的特征文件；
- 速度慢：使用GPU，VGG16模型处理一张图像需要47s；
- 测试速度慢：每个候选区域需要运行整个前向CNN计算；
- SVM和回归是事后操作，在SVM和回归过程中CNN特征没有被学习更新。
Fast R-CNN基本策略
- 输入测试图像；
- 利用selective search算法在图像中从上到下提取2000个左右的候选窗口；
- 将整张图片输入CNN，进行特征提取；
- 把候选窗口映射到CNN的最后一层卷积特征图上；
- 通过RoI pooling层使每个候选窗口生成固定尺寸的特征图/向量；
- 利用Softmax Loss和Smooth L1 Loss（探测边框回归）对分类概率和边框回归进行联合训练。
与R-CNN相比：
- 最后一层卷积层后加了一个ROI pooling layer；
- 损失函数使用了多任务损失函数（multi-task-loss），将边框回归直接加入到CNN网络中训练
改进之处：
- 速度的提升： R-CNN的候选框之间大量重叠，造成了运算能力的浪费。FAST-RCNN将整张图像归一化后直接送入CNN，在最后的卷积层输出的feature map上，加入建议框信息，使得在此之前的CNN运算得以共享。
Faster R-CNN
- 输入测试图像；
- 将整张图片输入CNN，进行特征提取；
- 用RPN生成候选窗口，每张图片保留约300个Proposal；
- 把候选窗口映射到CNN的最后一层卷积特征图上；
- 通过RoI pooling层使每个RoI生成固定尺寸的特征图；
- 利用Softmax Loss和Smooth L1 Loss（探测边框回归）对分类概率和边框回归的联合训练。
Region Proposal Network（RPN）
- 在feature map上滑动窗口，在每个位置上产生若干个候选anchor（N=9）
- 建一个神经网络用于anchor分类+框位置的回归
- 滑动窗口的位置提供了物体的大体位置信息
- 框的回归提供了框更精确的位置