目标检测学习总结

准备踏入Object Detection的学习，先建一个blog来记录下自己的学习内容。

• 目标检测（Object Detection）

在“目标检测”任务中，主要解决的两个问题，即图像中的多个目标物在哪里？【位置】以及是什么？【类别】。通常来说，一般把其发展历程分为三个阶段：

1. 传统的目标检测方法
2. 以R-CNN为代表的结合region proposal和CNN分类的目标检测框架（R-CNN，SPP-Net，Fast R-CNN，Faster R-CNN，R-FCN）。
3. 以YOLO为代表的将目标检测转换为回归问题的end-to-end的目标检测框架（YOLO，SSD）。

脉络梳理
传统方法—> RCNN(2014 ECCV) —> SPPNet (2015) —> Fast RCNN (2015 ICCV) —> Faster RCNN (2016 NIPS) —> Mask RCNN (2017) —> SSD (2015 ECCV) —> YOLO (2016 CVPR) —> YOLO v2 (2016).

传统的目标检测方法

分为三个阶段：区域选择—>特征提取—>分类器分类。

1. 区域选择：利用不同尺寸的滑动窗口框住图中的某一部分作为获选区域。
2. 特征提取：提取候选区域的相关的视觉特征，比如人脸检测的harr特征；行人和普通目标检测的HOG特征等。由于目标的形态多样性，光照变化多样性，背景多样性使得设计一个鲁棒的特征并不容易，然而提取特征的好坏直接影响到分类的准确性。
3. 分类器：利用分类器进行识别，比如常用的SVM模型。
   总结：传统的目标检测主要存在两个问题：一个是基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余；二是手工设计的特征对于多样性的变化没有很好的鲁棒性。

基于Region Proposal的深度学习目标检测算法

针对于传统的滑动窗口存在的时间复杂度高的问题，region proposal（候选区域）提供了很好的解决方案。region proposal利用了图像中的纹理、边缘、颜色等信息预先找出图像中目标可能出现的位置，可以保证在选取较少窗口的情况下保持较高的召回率。这大大降低了后续操作的时间复杂度，并且获取的候选窗口要比滑动窗口的质量更高。

** 多尺度是计算机视觉任务中的哲学**
2014年，Ross B.Girshick 大神使用了 Region Proposal + CNN代替了传统的 滑动窗口+ 手工设计的特征，设计了R-CNN框架，使得目标检测取得了巨大突破，并开启了深度学习目标检测的热潮。

学习列表

• Selective Search
• 基于深度学习的目标检测学习总结 2017年4月更新.
• 综述|基于深度学习的目标检测 link.
• 基于深度学习的目标检测综述 link.