【TensorFlow学习笔记】目标识别篇（一）简述

今天说说使用深度学习进行目标检测的文章，第一部分讲讲Single shot detector（SSD）和MobileNet。这二者相结合，可以用来实现更快速的，实时的目标检测，尤其是在资源有限的设备上（包括Raspberry Pi, smartphones等等）。

这里就说说如何使用OpenCV中的dnn模块，用来导入一个实现训练好的目标检测网络。使我们可以把图像传送到深度网络中，然后得到图中每个物体的包围框（x,y）坐标。最后，我们使用MobileNet SSDs来检验这些图像。

使用Single Shot Detectors进行目标检测
当提到用深度学习进行目标检测时，主要有下面三种方法：

• Faster R-CNNs

• You Only Look Once(YOLO)

• Single Shot Detectors(SSDs)

Faster R-CNNs是最常听说的基于深度学习的神经网络了。然而，这种方法在技术上是很难懂的（尤其是对于深度学习新手），也难以实现，训练起来也是很困难。

此外，即使是使用了“Faster”的方法实现R-CNNs（这里R表示候选区域Region Proposal），算法依然是比较慢的，大约是7FPS。

如果我们追求速度，我们可以转向YOLO，因为它非常的快，在TianXGPU上可以达到40-90 FPS，最快的版本可能达到155 FPS。但YOLO的问题在于它的精度还有待提高。

SSDs最初是由谷歌开发的，可以说是以上两者之间的平衡。相对于Faster R-CNNs，它的算法更加直接。相对于YOLO，又更加准确。

如上图：
（左）标准的卷积层，包含batchnorm和ReLU。
（右）将卷基层分为depthwise 和pointwise 层，然后再加上batchnorm和ReLU（图片和标题出自Liu et al.）

当搭建目标检测网络时，我们一般使用现有的网络架构，例如VGG 或者ResNet，然后在目标检测过程中使用它们。问题是，这些网络结构可能非常大，大约会有200-500MB。

这类网络架构不适用于资源有限的设备，因为因为他们的规模太大计算结果太多。作为替代的选择，我们使用MobileNets,另一个谷歌研究员的文章作品，我们称之为“MobileNets”。因为这就是为了资源有限的设备（比如说手机）而设计的。MobileNets与传统CNNs不同之处在于可分离卷积（depthwiseseparable convolution）。

depthwise separable convolution的概念一般是指把卷积分解成两部分：

1.一个3x3的denthwise卷积（深度卷积）

2.接着一个1x1的pointwise卷积（点卷积）

这使我们可以减少网络中的参数，降低计算量

这里有个问题就是损失了精度——MobileNets并不像其他的网络那样精度高。

但是他们更加的节省资源。
https://www.cnblogs.com/xiaoboge/p/10544336.html