机器学习学习笔记(2)-目标检测与识别算法

1. 基于区域建议的目标检测与识别算法

  • R-CNN(Selective Search + CNN + SVM)
  • SPP-net(ROI Pooling)
  • Fast R-CNN(Selective Search + CNN + ROI)
  • Faster R-CNN(RPN + CNN + ROI)
    具体可参见这里
    • 1.一文读懂目标检测:R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
    • 2.深度学习之目标检测与目标识别

2. 基于回归的目标检测与识别算法

  • YOLO
    • 基本思想

    使用了回归的思想,利用整张图作为网络的输入,直接在图像的多个位置上回归出这个位置的目标边框,以及目标所属的类别。

    • 一般步骤

    (1) 给定一个输入图像,首先将图像划分成7*7的网格。
    (2) 对于每个网格,我们都预测2个边框(包括每个边框是目标的置信度以及每个边框区域在多个类别上的概率)。
    (3) 根据上一步可以预测出7*7*2个目标窗口,然后根据阈值去除可能性比较低的目标窗口,最后NMS去除冗余窗口即可。(NMS --- 非极大值抑制)

  • SSD

SSD结合YOLO的回归思想以及Faster R-CNN的anchor机制使得精确度更高,速度更快。

你可能感兴趣的:(机器学习学习笔记(2)-目标检测与识别算法)