pytorch入门（八）物体检测算法

R-CNN

• 使用启发式搜索算法来选择锚框
• 使用预训练模型对每个锚框抽取特征
• 使用一个SVM来对类别分类
• 训练一个线性回归模型来预测边缘框

输入的图片

CNN

Categroy prediction

Bounding box prediction

锚框大小不一致，怎么使得这些锚框变为一个批量？
解决：RoI
兴趣区域（RoI）池化层

• 给定一个锚框，均匀分割成n×m块，输出每块里的最大值
• 不管锚框多大，总是输出nm个值
  

Fast RCNN

• 使用CNN对图片抽取特征
• 使用RoI池化层对每个锚框生成固定长度特征
• 不需要SVM

输入的图片

CNN

RoI pooling

Dense layer

Categroy prediction

Bounding box prediction

Faster R-CNN

• 使用一个区域提议网络来替代启发式搜索来获得更好的锚框
  

Mask R-CNN

• 如果有像素级别的标号，使用FCN来利用这些信息
  

总结

• R-CNN是最早的，也是最有名的一类基于锚框和CNN的目标检测算法
• Fast/Faster R-CNN持续提升性能
• Faster R-CNN和Mask R-CNN是在最要求高精度的场景下常用算法

SSD(单发多框检测)

生成锚框

• 对每一个像素为中心生成锚框
• 给定n个大小s1，s2，……，和m个高宽比，那么生成n+m-1个锚框，其大小和高宽比为：
  (s1,r1)，(s2,r1)，……,(sn,r1)，(s1,r2)，……，（s1,rm)

SSD模型

• 一个基础网络来抽取特征，然后多个卷积层来减半高宽
• 在每段都生成锚框
  • 底部段来拟合小物体，顶部段来拟合大物体
• 对每个锚框预测类别和边缘检测
  

总结

• SSD通过单神经网络来检测模型
• 以每个像素为中心的产生多个锚框
• 在多个段的输出上进行多尺度的检测

YOLO

• SSD中锚框大量重叠，因此浪费了很多计算
• YOLO将图片均匀分成S×S个锚框（锚框没有重叠）
• 每个锚框预测B个边缘框
• 后续版本有持续改进

参考李沐深度学习：跟李沐学AI