常见深度学习目标检测算法总结

对之前的学习内容进行一个简单的总结，有时间会继续补充。

目标检测常见算法主要分为两类：

One stage: SSD, YOLO V1, YOLO V2, YOLO V3; （精度较低，速度较快）

Two stage: Fast RCNN, Faster RCNN；（精度较高，速度较慢）

Multi stage：RCNN；（精度较低，速度极慢）

 

一. R-CNN

主要步骤：

1. 候选区域生成：Selective Searcht在图片中提取一系列可能是物体的候选区域（约2000个）；

2. 特征提取：在这些候选区域（Wrap过的，padding+各向异性缩放）上，采用CNN进行特征提取；

3. 类别判断：binary linear SVM分类；

4. 位置精修：线性脊回归；

训练集：两个数据库：ImageNet ILSVC 2012（分类、一千万图像、1000类），PASCAL VOC 2007（检测、一万图像、20类）；本文使用分类库预训练，检测库调优，检测库测评；

测试集：PASCAL VOC 2010、PASCAL VOC 2012。

 

二. Fast R-CNN

主要步骤：

1. Selective Search在图片中提取框（约2000个），并坐标映射到特征提取层；

2. CNN特征提取；

3. ROI pooling；

4. SVM分类 + BBOX回归。

 

三. Faster R-CNN

创新点：RPN找到候选框，进行ROI后，基于softmax和Smooth L1回归；

1. RPN(训练 进行Anchor Box的分类和回归) + Faster RCNN（ROI）；

2. RPN原理：基准点映射回原图，找到Anchor box，再将Anchor box从原图映射到特征图

附：损失函数、网络、以及训练的细节。

 

四. SSD

1. 直接利用Anchor box进行和分类和Bounding box回归；

2. 多个feature map上应用不同的Anchor box生成Prior box来预测和分类； 

 

五. YOLO

1. S*S个格子，物体中心落在这个格子，则这个格子

2. 损失函数：loss = coordError + iouError + classError;

(x, y, w, h, 置信度)；置信度A = P(Object)*iou；各个类别的概率B = P(Class|Object)；综合得分A*B = P(Class)*iou

 

六. YOLO V2

相对YOLO V1的改进点：

1. 加入BN（darknet19 ）；

2. 更高分辨率的分类器；

3. 借鉴Faster RCNN的Anchor boxes + 维度聚类；

4. 直接预测对于单元格的相对位置；（bx = sigma(tx) + cx，by = sigma(ty) + cy，bw = Pw * e^(tw)，bn = Pn * e^(tn)）；

5. Fine-Grained Features；B*B，各种特征图上作推荐网络，得到一个范围内的分辨率——> passthrough层；

6. 多尺度训练；

 

七. YOLO V3

1. 多标签分类；

2. 多尺度预测；