深度学习－对象定位和检测

在本章中，我们将学习使用卷积神经网络来定位和检测图像上的对象。

• RCNN
• Fast RCNN
• Faster RCNN
• Yolo
• SSD

使用回归本地化对象
回归是关于返回一个数字而不是一个类，在我们的例子中，我们将返回与边界框相关的4个数字（x0，y0，width，height）。 使用图像和地面实况边界框训练该系统，并使用L2距离来计算预测的边界框和地面实况之间的损失。

通常，要做的是在最后一个卷积层上附加另一个完全连接的层：

一次仅适用于一个对象。
有些人在最后一个卷积（Overfeat）层之后附加回归部分，而另一些人在完全连接层（RCNN）之后附加。 两者都可以。
比较边界框预测精度
基本上，我们需要比较预测和地面真实情况之间的“相交相交”（ioU）是否大于某个阈值（例如> 0.5）

神经网络
RCNN（区域+ CNN）是一种依赖外部区域建议系统的方法。RCNN的问题在于它永远不会变得很快，例如，训练网络的步骤如下：
1、接受预先训练的imagenet cnn（例如Alexnet）
2、用需要检测的对象+“ no-object”类重新训练最后一个完全连接的层
3、获取所有投标（=〜2000 p / image），调整它们的大小以匹配cnn输入，然后保存到磁盘。
4、训练SVM在对象和背景之间进行分类（每个类一个二进制SVM）
5、BB回归：训练线性回归分类器，该分类器将输出一些校正因子

快速RCNN
快速RCNN方法从某些外部系统（选择性搜索）接收区域提议。 这些建议将发送到一个图层（Roi Pooling），该图层会将所有区域的数据大小调整为固定大小。 因为完全连接的层期望所有矢量的大小相同，所以需要执行此步骤：

更快的RCNN：

主要思想是使用最后（或更深）的转换层来推断区域提议。
Faster-RCNN由两个模块组成。
RPN（区域提案）：基于深度卷积层给出一组矩形
Fast-RCNN Roi池化层：对每个提案进行分类，并完善提案位置。

区域提案网
在这里，我们以框图的方式介绍Faster RCNN的工作原理。
1、获得训练有素的（即imagenet）卷积神经网络
2、从最后一个（或深层）卷积层获取特征图
3、训练区域提议网络，该网络将确定图像上是否存在物体，并提议盒子位置
4、将结果提供给自定义（python）层
5、向ROI池化层（如Fast RCNN）提出建议
6、将所有投标调整为固定大小后，发送到完全连接的层以继续分类