1. 基于區(qū)域建議的目標(biāo)檢測與識別算法
- R-CNN（Selective Search + CNN + SVM）
- SPP-net（ROI Pooling）
- Fast R-CNN（Selective Search + CNN + ROI）
-
Faster R-CNN（RPN + CNN + ROI）
具體可參見這里
2. 基于回歸的目標(biāo)檢測與識別算法
-
YOLO
- 基本思想
使用了回歸的思想缤灵，利用整張圖作為網(wǎng)絡(luò)的輸入，直接在圖像的多個位置上回歸出這個位置的目標(biāo)邊框，以及目標(biāo)所屬的類別确徙。
- 一般步驟
(1) 給定一個輸入圖像醒串，首先將圖像劃分成7*7的網(wǎng)格。
(2) 對于每個網(wǎng)格米愿，我們都預(yù)測2個邊框（包括每個邊框是目標(biāo)的置信度以及每個邊框區(qū)域在多個類別上的概率）厦凤。
(3) 根據(jù)上一步可以預(yù)測出7*7*2個目標(biāo)窗口，然后根據(jù)閾值去除可能性比較低的目標(biāo)窗口育苟，最后NMS去除冗余窗口即可较鼓。(NMS --- 非極大值抑制) - SSD
SSD結(jié)合YOLO的回歸思想以及Faster R-CNN的anchor機(jī)制使得精確度更高，速度更快违柏。
