目标检测&语义分割(CNN)

type

Post

status

Published

date

May 1, 2022

slug

detection

summary

目标检测算法：R-CNN,SSD,YOLO

参照李沐的思路，最早介绍RCNN（region），

传统计算机视觉的思路得到了较多保留，一开始用启发式搜索筛出候选框，再对候选区域用ML（包括回归和SVM），线性回归是预测原始候选框和GT的位置差。模型对输入尺寸其实比较敏感，所以希望能用池化约束尺寸（Region of Interest polling）

相当于全局过CNN后在feature map上搜锚框，selective search采用启发式搜索，但会把原始图中的待定锚框映射到特征图上

同一个外挂的小网络（region proposal network）代替启发式搜索，更快。

毕竟是一个two-stage的网络，精度可以但是很慢

R-CNN原始使用MATLAB做的，而且带了cv的传统方法，实现起来比较复杂

mask rcnn要做像素级别的分割，严格意义上应该不算目标检测，目标检测只用锚框就行，可能应该叫语义分割（注：实例分割是在语义分割基础上给同类或不同类物体标号）

像素级的精度要求，所以改用ROI align，即对图像超分之后来均匀池化

single shot detection，即one-stage，在不同分辨率的feature map上对每个像素做锚框

快，精度一般

原始版本主要靠的就是少量均分的锚框和对应的边缘狂策略直接做one-stage的检测。说白了就是学习边缘框的生成策略去fit数据集。

用的多是有原因的。