點擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時間送達

目標(biāo)檢測是目前計算機視覺領(lǐng)域最熱門的技術(shù)之一，該領(lǐng)域的研究一直在以非常快的速度進行。

但究竟什么是物體檢測？對象檢測處理通過給定輸入（圖像或視頻）中的邊界識別和定位某些類的對象。

截至目前，一些最成功的對象檢測算法如下：

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象的特定區(qū)域（使用選擇性搜索）并通過 CNN 提取特征，提取的特征用于預(yù)測它們周圍的類和邊界框。

RCNN 基礎(chǔ)步驟：

1. 從輸入圖像中提取了大約 2000 個自下而上的區(qū)域。

2. 無論候選區(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。對于每個提議，它使用大型 CNN 計算特征。

3. 它使用特定類的線性 SVM 對每個區(qū)域進行分類。

4. 該算法還預(yù)測了四個偏移值，以提高邊界框的精度。

缺點：

1. 訓(xùn)練緩慢：每張圖像應(yīng)該分類大約 2000 個區(qū)域建議，這需要大量時間。

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 多項更改，使其更快、更準(zhǔn)確。R-CNN 的主要問題是它在不共享計算的情況下為每個區(qū)域提議執(zhí)行 CNN 傳遞。Fast R-CNN 通過通過 CNN 轉(zhuǎn)發(fā)整個圖像來改進 R-CNN。

它包括以下步驟：

1. 整個圖像通過CNN向前傳遞，生成卷積特征圖。

2. 從卷積特征圖中識別感興趣的區(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?。然后將每個建議傳遞給一個完全連接的層。

3. 然后并行使用 Softmax 層和線性回歸層來輸出類和邊界框。

缺點：

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

三、Faster R-CNN ：

Faster R-CNN 是對 Fast R-CNN 的進一步改進。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) 來生成感興趣的區(qū)域。

以下是Faster R-CNN的步驟：

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

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

3. 對它們應(yīng)用ROI池化層使它們具有相同的大小，然后將提案傳遞到全連接層。

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

Faster R-CNN 是我們在本文中討論的對象檢測算法中最好的，對象檢測不僅限于基于區(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擴展模塊中文版教程

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

下載2：Python視覺實戰(zhàn)項目52講

在「小白學(xué)視覺」公眾號后臺回復(fù)：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學(xué)校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學(xué)視覺」公眾號后臺回復(fù)：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學(xué)習(xí)進階。

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~

基于 CNN 特征區(qū)域進行目標(biāo)檢測

一、R-CNN：