基于深度学习的目标检测方法

版权声明：本文为博主原创文章，未经博主允许不得转载。Eddy_zheng https://blog.csdn.net/Eddy_zheng/article/details/52097557

1、目标检测之评价标准

在目标检测中，以下几个指标非常重要：
（a）识别精度；
（b）识别效率；
（c）定位准确性;
在目标检测的评价体系中，有一个参数叫做 IoU，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。在Pascal VOC中，这个值为0.5。而2014年以来出现的MS COCO竞赛规则把这个IoU变成了0.5-1.0之间的综合评价值，也就是说，定位越准确，其得分越高，这也侧面反映了目标检测在评价指标方面的不断进步。

2、目标检测进展

2.1 传统目标检测方法

传统的目标检测方法，这篇 overview [1] 里总结的比较全面，而且都给了性能和时间复杂度的比较，对传统方法比较感兴趣的建议可以精读一下。考虑到 detection 的精度与时间复杂度问题，就介绍下 SelectiveSearch [2] 和 Edgeboxes [3]。

2.2 基于深度学习的目标检测进展

R-CNN 
Fast-R-CNN
Faster-R-CNN
YOLO
SSD

未完……..

[1] Hosang J, Benenson R, Dollár P, et al. What Makes for Effective Detection Proposals?[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2016, 38(4):814-830.