Object Detection，在给定的图像中，找到目标图像的位置，并标注出来。 或者是，图像中有那些目标，目标的位置在那。这个目标，是限定在数据集中包含的目标种类，比如数据集中有两种目标:狗，猫。 就在图像找出来猫，狗的位置，并标注出来 是狗还是猫。

这就涉及到两个问题：

  • 目标识别，识别出来目标是猫还是狗，Image Classification解决了图像的识别问题。
  • 定位，找出来猫狗的位置。

本文将详细介绍目前深度学习目标检测算法的几种热门算法R-CNN, SSPNet, Fast R-CNN, Faster R-CNN, YOLO, SSD的比较

1. R-CNN

RCNN (论文：Rich feature hierarchies for accurate object detection and semantic segmentation) 是将CNN方法引入目标检测领域， 大大提高了目标检测效果，可以说改变了目标检测领域的主要研究思路， 紧随其后的系列文章：（RCNN）,Fast RCNN, Faster RCNN 代表该领域当前最高水准。

【论文主要特点】（相对传统方法的改进）

  • 速度： 经典的目标检测算法使用滑动窗法依次判断所有可能的区域。本文则(采用Selective Search方法)预先提取一系列较可能是物体的候选区域，之后仅在这些候选区域上(采用CNN)提取特征，进行判断。

  • 训练集： 经典的目标检测算法在区域中提取人工设定的特征。本文则采用深度网络进行特征提取。使用两个数据库： 一个较大的识别库（ImageNet ILSVC 2012）：标定每张图片中物体的类别。一千万图像，1000类。 一个较小的检测库（PASCAL VOC 2007）：标定每张图片中，物体的类别和位置，一万图像，20类。 本文使用识别库进行预训练得到CNN（有监督预训练），而后用检测库调优参数，最后在检测库上评测。

RCNN算法分为4个步骤:

  1. 候选区域生成： 一张图像生成1K~2K个候选区域（采用Selective Search 方法）
  2. 特征提取：对每个候选区域，使用深度卷积网络提取特征 （CNN）
  3. 类别判断：特征送入每一类的SVM 分类器，判别是否属于该类
  4. 位置精修：使用回归器精细修正候选框位置

下图给出了R-CNN过程

RCNN过程

1.1

参考文献：