目标检测算法

R-CNN

简介

区域卷积神经网络（Regions with CNN features），将目标检测问题分为两个阶段：候选区域生成、区域分类

• 使用启发式搜索选择锚框
• 预训练模型对锚框抽取特征
• 训练 SVM 对特征分类
• 训练线性回归模型预测边缘框偏移

RoI Pooling

兴趣区域（Region of Interest, RoI）池化层将不同大小的锚框映射为固定大小的特征图，便于分类。

• 给定锚框均匀切成 $n \times m$ 小块
• 每个小块取最大值
• 总得到 $n \times m$ 的特征图

进化

Fast R-CNN

• 使用 CNN 提取整张图特征
• 按比例把锚框映射到特征图上
• 在特征图上对每个锚框进行 RoI Pooling
• 总得到固定大小特征

Faster R-CNN

使用区域建议网络（Region Proposal Network, RPN），这是一个全卷积网络

• RPN 输入 CNN 提取后的特征图，输出锚框选择
• 训练二分类模型，判断锚框对目标的适合度
• 训练回归模型，预测锚框的偏移量
• NMS 去重选出边缘框

Mask R-CNN

在 Faster R-CNN 基础上增加分支，也能实现语义分割

• RoI Align 不直接切分，而是双线性插值
• 全卷积网络输出每个锚框的像素级分割掩码

特点

• 精度较高
• 速度慢，尤其是 R-CNN

所以在对精度很敏感，而对速度要求不高的场景下，R-CNN 系列算法是不错的选择。

SSD

简介

单阶段检测器（Single Shot MultiBox Detector），将目标检测问题分为一个阶段：直接预测锚框和类别

• 基础网络提取特征，然后多个卷积层减半高宽
• 每一段都生成锚框
  • 底部拟合小物体
  • 顶部拟合大物体
• 对每个锚框预测类别和偏移量

特点

• 精度较低
• 速度快
• 对不同大小物体有较好适应性

YOLO

简介

You Only Look Once，单阶段检测器，直接预测锚框和类别

• 将图像划分为 $S \times S$ 网格
  • 解决了锚框大量重叠的问题
• 每个网格预测 $B$ 个锚框和类别
  • 适应一个网格对应多个目标的情况

特点

• 速度很快
• 精度也不错