计算机视觉学习--目标检测算法分类_基于深度学习的目标分类用什么-程序员宅基地

技术标签：计算机视觉

基于深度学习的目标检测算法主要分为两类：

1 two stage:

先进行区域生成（一个可能包含待检测物体的预选框），在通过卷积神经网络进行样本分类。

常见的算法：R-CNN SPP-Net Fast R-CNN R-FCN Faster R-CNN等

2 one stage:

不用RP,直接在网络中提取特征来预测物体的分类和位置

常见的算法：YOLOv1 YOLOV2 YOLOV3 SSD 等

R-CNN介绍：

创新点：使用CNN 对region proposal 计算feature vectors 。从经验驱动特征（SIFT,HOG），到数据驱动特征

大样本下有监督训练，和小样本微调的方法，解决过拟合问题

后来因为这个算法过于冗杂（每个候选区域都要进行卷积），又提出了fast Rcnn,其创新点在于：

1 只对整副图像进行一次特征提取（称作 shared feature map），避免rcnn的冗余

2 用ROl pooling 层替换掉maxpooling ，巧妙的解决了尺度缩放的问题

3 末尾采用的是并行不通的全连接层，可同时输出分类结果

4 输出是多个batch vector，其中batch的值等个roi的个数，vector 大小为 channel*w*h ,ROL pooling 作用就是讲一个个大小不用的box框，映射成大小固定的

不足之处：

候选区域提取仍然采用selective search，整个检测流程大多消耗在这上面。之后的faster rcnn的改进之处便是针对这一点。

它用深层网络代替了候选框的方法，新的网络在生成ROI效率更高。

两者的对比，RPN将第一个卷积网络的输出特征图作为输入，它在特征图上滑动一个3*3的卷积核，构建与类别无关的候选区域，如下图所示：

这个网络最后会输出256个值，并送入两个单独的全连接层，以预测边界框和两个objectness分数，这个两个分数度量了边界框是否包含目标。

one stage 目标检测算法：

这里介绍代表性的一个YOLO（you only look once ）系列算法：

其创新点在于：

1：将整张图作为输入，直接在输出层回归bounding box的位置和所属类别

2：速度快，one stage detection的开山之作

之前的物体检测方法都是首先需要产生大量可能包含带检测物体的先验框，然后用分类器判断每个先验框对应的边界框是否包含待检测物体，以及物体的类别和可致信度，还要修理边界框，最后基于一些准则，过滤掉置信度不高的框，这种基于先产生候选区在检测的方法，虽然有较高的检测率。但是运行速度较慢。

YOLO创造性的将物体检测任务当做回归任务，将候选区和检测两个阶段合二为一，事实上，YOLO也并没有真正的去掉候选区，而是直接将输入图片划分成7x7=49个网格，每个网格预测两个边界框，一共预测49x2=98个边界框。可以近似理解为在输入图片上粗略的选取98个候选区，这98个候选区覆盖了图片的整个区域，进而用回归预测这98个候选框对应的边界框。

网络结构如图所示：

卷积层提取图像特征，两个全连接层，预测图像位置和类别概率值。

特点：

1 有全连接层，所以要求输入图像尺寸固定

2 采用非极大值抑制算法

3 定位不准确

改进算法：目前流行的算法YOLOV3，

1 使用残差模型（最好的是Darknet-53），进一步加深了网络结构，另一个使用FPN，架构，实现多尺度的检测。

这种one stage 的检测器。对类别不均衡的问题比较敏感，因为没有RPN阶段。但是优点是速度快

人脸检测是目标检测分支中一个比较特殊的领域，虽然通用的目标检测算法也可以应用在人脸检测领域，但是和专门的人脸检测算法还是有些差别的，比如基于级联卷积神经网络，基于多任务卷积神经网络，很大程度上提高了检测的鲁棒性。

常用的目标检测数据集

PASCAL VOC

MS COCO

IMAGENET

本文链接：https://blog.csdn.net/Colin_xuan/article/details/90726301

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

HTML5 Web SQL 数据库_方式准则的定义-程序员宅基地

文章浏览阅读1k次。1、HTML5 Web SQL 数据库 Web SQL 数据库 API 并不是 HTML5 规范的一部分，但是它是一个独立的规范，引入了一组使用 SQL 操作客户端数据库的 APIs。如果你是一个 Web 后端程序员，应该很容易理解 SQL 的操作。Web SQL 数据库可以在最新版的 Safari, Chrome 和 Opera 浏览器中工作。2、核心方法以下是规范中定义的三个_方式准则的定义

spring Boot 中使用线程池异步执行多个定时任务_springboot启动后自动开启多个线程程序-程序员宅基地

文章浏览阅读4.1k次，点赞2次，收藏6次。spring Boot 中使用线程池异步执行多个定时任务在启动类中添加注解@EnableScheduling配置自定义线程池在启动类中添加注解@EnableScheduling第一步添加注解，这样才会使定时任务启动配置自定义线程池@Configurationpublic class ScheduleConfiguration implements SchedulingConfigurer..._springboot启动后自动开启多个线程程序

Maven编译打包项目 mvn clean install报错ERROR_mvn clean install有errors-程序员宅基地

文章浏览阅读1.1k次。在项目的target文件夹下把之前"mvn clean package"生成的压缩包(我的是jar包)删掉重新执行"mvn clean package"再执行"mvn clean install"即可_mvn clean install有errors

navacate连接不上mysql_navicat连接mysql失败怎么办-程序员宅基地

文章浏览阅读974次。Navicat连接mysql数据库时，不断报1405错误，下面是针对这个的解决办法：MySQL服务器正在运行，停止它。如果是作为Windows服务运行的服务器，进入计算机管理--->服务和应用程序------>服务。如果服务器不是作为服务而运行的，可能需要使用任务管理器来强制停止它。创建1个文本文件(此处命名为mysql-init.txt)，并将下述命令置于单一行中：SET PASSW..._nvarchar链接不上数据库

Python的requests参数及方法_python requests 参数-程序员宅基地

文章浏览阅读2.2k次。Python的requests模块是一个常用的HTTP库，用于发送HTTP请求和处理响应。_python requests 参数

近5年典型的的APT攻击事件_2010谷歌网络被极光黑客攻击-程序员宅基地

文章浏览阅读2.7w次，点赞7次，收藏50次。APT攻击APT攻击是近几年来出现的一种高级攻击，具有难检测、持续时间长和攻击目标明确等特征。本文中，整理了近年来比较典型的几个APT攻击，并其攻击过程做了分析（为了加深自己对APT攻击的理解和学习）Google极光攻击2010年的Google Aurora(极光)攻击是一个十分著名的APT攻击。Google的一名雇员点击即时消息中的一条恶意链接，引发了一系列事件导致这个搜_2010谷歌网络被极光黑客攻击

随便推点

微信小程序api视频课程-定时器-setTimeout的使用_微信小程序 settimeout 向上层传值-程序员宅基地

文章浏览阅读1.1k次。JS代码 /** * 生命周期函数--监听页面加载 */ onLoad: function (options) { setTimeout( function(){ wx.showToast({ title: '黄菊华老师', }) },2000 ) },说明该代码只执行一次..._微信小程序 settimeout 向上层传值

uploadify2.1.4如何能使按钮显示中文-程序员宅基地

文章浏览阅读48次。uploadify2.1.4如何能使按钮显示中文博客分类：uploadify网上关于这段话的搜索恐怕是太多了。方法多也试过了不知怎么，反正不行。最终自己想办法给解决了。当然首先还是要有fla源码。直接去管网就可以下载。[url]http://www.uploadify.com/wp-content/uploads/uploadify-v2.1.4...

戴尔服务器安装VMware ESXI6.7.0教程（U盘安装）_vmware-vcsa-all-6.7.0-8169922.iso-程序员宅基地

文章浏览阅读9.6k次，点赞5次，收藏36次。戴尔服务器安装VMware ESXI6.7.0教程（U盘安装）一、前期准备1、下载镜像下载esxi6.7镜像：VMware-VMvisor-Installer-6.7.0-8169922.x86_64.iso这里推荐到戴尔官网下载，Baidu搜索“戴尔驱动下载”，选择进入官网，根据提示输入服务器型号搜索适用于该型号服务器的所有驱动下一步选择具体类型的驱动选择一项下载即可待下载完成后打开软碟通（UItraISO），在“文件”选项中打开刚才下载好的镜像文件然后选择启动_vmware-vcsa-all-6.7.0-8169922.iso