一文读懂目标检测：R-CNN、FastR-CNN、FasterR-CNN、YOLO、SSD.doc_期末检测卷R版三年数学 - CSDN文库

3星 · 超过75%的资源需积分: 45 52 浏览量更新于2023-03-03 评论 7 收藏 88KB DOC 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-

CNN、YOLO、SSD

一、目标检测常见算法

object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体

的类别。所以，object detection 要解决的问题就是物体在哪里以及是什么的整

个流程问题。

然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体

的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多

个类别。

目前学术和工业界出现的目标检测算法分成 3 类：

1. 传统的目标检测算法：Cascade + HOG/DPM + Haar/SVM 以及上述方法的

诸多改进、优化；

2. 候选区域/ 框 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度

学习方法为主的分类的方案，如：

R-CNN（Selective Search + CNN + SVM）

SPP-net（ROI Pooling）

Fast R-CNN（Selective Search + CNN + ROI）

Faster R-CNN（RPN + CNN + ROI）

R-FCN

等系列方法；

3. 基于深度学习的回归方法：YOLO/SSD/DenseBox 等方法；以及最近出现的

结合 RNN 算法的 RRC detection；结合 DPM 的 Deformable CNN 等

传统目标检测流程：

1）区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对

图像进行遍历，时间复杂度高）

2）特征提取（SIFT、HOG 等；形态多样性、光照变化多样性、背景多样性使

得特征鲁棒性差）

3）分类器分类（主要有 SVM、Adaboost 等）

剩余11页未读，继续阅读

评论3

看到一朵花没

2023-05-06

别下，浪费积分

星际流

粉丝: 0
资源: 2

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈