目标检测小结(RCNN、fast RCNN、faster RCNN)

RCNN

RCNN又称基于候选框的目标检测算法

主要由三步组成，生成候选区域，传入神经网络，分类

• 生成候选区域：采用像素、色域分割图像，可以采用生成树算法，SS选着性搜索算法
• 传入神经网络：与之前学的不同，这里的传入神经网络的目的是提取特征，而非分类。在传入前需要Warp,把图片换成统一大小。
• 分类：使用SVM算法分类。完成后还需一小步：精修，使用SVM结合NMS获得BBOX，再使用DPM，将传入的框精修。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nN6MhP4l-1643560510909)(C:\Users\23204\AppData\Roaming\Typora\typora-user-images\image-20220131001649962.png)]

Fast RCNN

将后两部（提取特征+分类）融合在一个模型上，精修也是

ROI pooling layer

这样提高了速率

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vDE0ZeOD-1643560510911)(C:\Users\23204\AppData\Roaming\Typora\typora-user-images\image-20220131001924063.png)]

Faster RCNN

将候选框生成也融合进去，可以采用RPN算法，anchor.

一开始我很纳闷，为什么候选框的生成也可以融进去，后来细想也是，CNN网络主要用来分类，但CNN也可以训练生成候选框，这样通过一个神经网络可以将3步融合在一起。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uwKjkrhz-1643560510912)(C:\Users\23204\AppData\Roaming\Typora\typora-user-images\image-20220131002514570.png)]

制高点：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mqy0Ek6M-1643560510913)(C:\Users\23204\AppData\Roaming\Typora\typora-user-images\image-20220131003041855.png)]

本次笔记是在学习多目标识别理论部分做的，TWO-stage的YOLO家族和RCNN家族的代码实现会在后续更新。

第一次用markdown语法记笔记（使用表情的方法找了好久还没找到555），多有不周，感谢指正。

加油学习人，冲冲冲。

own语法记笔记（使用表情的方法找了好久还没找到555），多有不周，感谢指正。

加油学习人，冲冲冲。

感谢阅读。

版权声明：本文为CSDN博主「锡安sion」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_45772960/article/details/122757567