點(diǎn)擊上方“小白學(xué)視覺(jué)”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

目標(biāo)檢測(cè)是目前計(jì)算機(jī)視覺(jué)領(lǐng)域最熱門(mén)的技術(shù)之一，該領(lǐng)域的研究一直在以非?？斓乃俣冗M(jìn)行。

但究竟什么是物體檢測(cè)？對(duì)象檢測(cè)處理通過(guò)給定輸入（圖像或視頻）中的邊界識(shí)別和定位某些類(lèi)的對(duì)象。

截至目前，一些最成功的對(duì)象檢測(cè)算法如下：

1. 基于區(qū)域的 CNN：RCNN、Fast RCNN、Faster RCNN

2. YOLO

3. SSD

一、R-CNN：

該算法在圖像中查找可能包含對(duì)象的特定區(qū)域（使用選擇性搜索）并通過(guò) CNN 提取特征，提取的特征用于預(yù)測(cè)它們周?chē)念?lèi)和邊界框。

RCNN 基礎(chǔ)步驟：

1. 從輸入圖像中提取了大約 2000 個(gè)自下而上的區(qū)域。

2. 無(wú)論候選區(qū)域的大小或縱橫比如何，我們都將圍繞邊界框中的所有像素扭曲到所需的大小。對(duì)于每個(gè)提議，它使用大型 CNN 計(jì)算特征。

3. 它使用特定類(lèi)的線性 SVM 對(duì)每個(gè)區(qū)域進(jìn)行分類(lèi)。

4. 該算法還預(yù)測(cè)了四個(gè)偏移值，以提高邊界框的精度。

缺點(diǎn)：

1. 訓(xùn)練緩慢：每張圖像應(yīng)該分類(lèi)大約 2000 個(gè)區(qū)域建議，這需要大量時(shí)間。

2. 推理速度慢：使用 VGG16 大約需要 47 秒/每張圖像。

二、Fast R-CNN ：

Fast R-CNN 是 R-CNN 算法的繼承者。與之前討論的 R-CNN 相比，F(xiàn)ast R-CNN 多項(xiàng)更改，使其更快、更準(zhǔn)確。R-CNN 的主要問(wèn)題是它在不共享計(jì)算的情況下為每個(gè)區(qū)域提議執(zhí)行 CNN 傳遞。Fast R-CNN 通過(guò)通過(guò) CNN 轉(zhuǎn)發(fā)整個(gè)圖像來(lái)改進(jìn) R-CNN。

它包括以下步驟：

1. 整個(gè)圖像通過(guò)CNN向前傳遞，生成卷積特征圖。

2. 從卷積特征圖中識(shí)別感興趣的區(qū)域，并在其上應(yīng)用ROI 池化層以將它們?nèi)恐厮転橄嗤拇笮　Ｈ缓髮⒚總€(gè)建議傳遞給一個(gè)完全連接的層。

3. 然后并行使用 Softmax 層和線性回歸層來(lái)輸出類(lèi)和邊界框。

缺點(diǎn)：

盡管 Fast R-CNN 在速度和準(zhǔn)確性方面是對(duì) R-CNN 的改進(jìn)，但它仍然使用選擇性搜索區(qū)域提議，這實(shí)際上是一個(gè)耗時(shí)的過(guò)程。

三、Faster R-CNN ：

Faster R-CNN 是對(duì) Fast R-CNN 的進(jìn)一步改進(jìn)。Fast R-CNN 和 Faster R-CNN 之間的主要區(qū)別在于它使用區(qū)域提議網(wǎng)絡(luò) (RPN) 來(lái)生成感興趣的區(qū)域。

以下是Faster R-CNN的步驟：

1. 整個(gè)圖像通過(guò) CNN 向前傳遞以生成卷積特征圖（就像我們?cè)?Fast R-CNN 的情況下所做的那樣）。

2. 通過(guò)在這些特征圖上應(yīng)用區(qū)域提議網(wǎng)絡(luò) (RPN) 來(lái)識(shí)別感興趣的區(qū)域，這些特征圖返回具有對(duì)象性分?jǐn)?shù)的對(duì)象提議。

3. 對(duì)它們應(yīng)用ROI池化層使它們具有相同的大小，然后將提案?jìng)鬟f到全連接層。

4.在其頂部應(yīng)用Softmax層和線性回歸層對(duì)邊界框進(jìn)行分類(lèi)和輸出。

Faster R-CNN 是我們?cè)诒疚闹杏懻摰膶?duì)象檢測(cè)算法中最好的，對(duì)象檢測(cè)不僅限于基于區(qū)域的 CNN。

參考：

http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture11.pdf
https://arxiv.org/pdf/1311.2524.pdf
https://arxiv.org/pdf/1504.08083.pdf

下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程

在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺(jué)、目標(biāo)跟蹤、生物視覺(jué)、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺(jué)實(shí)戰(zhàn)項(xiàng)目52講

在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：Python視覺(jué)實(shí)戰(zhàn)項(xiàng)目，即可下載包括圖像分割、口罩檢測(cè)、車(chē)道線檢測(cè)、車(chē)輛計(jì)數(shù)、添加眼線、車(chē)牌識(shí)別、字符識(shí)別、情緒檢測(cè)、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺(jué)實(shí)戰(zhàn)項(xiàng)目，助力快速學(xué)校計(jì)算機(jī)視覺(jué)。

下載3：OpenCV實(shí)戰(zhàn)項(xiàng)目20講

在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。

交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺(jué)、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺(jué)SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~

基于 CNN 特征區(qū)域進(jìn)行目標(biāo)檢測(cè)

一、R-CNN：

RCNN 基礎(chǔ)步驟：

缺點(diǎn)：

二、Fast R-CNN ：

它包括以下步驟：

缺點(diǎn)：

三、Faster R-CNN ：

以下是Faster R-CNN的步驟：

參考：

一、R-CNN：

二、Fast R-CNN ：

三、Faster R-CNN ：