深度学习笔记32 物体检测算法 R-CNN，SSD,YOLO

R-CNN：物体检测的奠基性工作

其实就是在CNN的基础上，加了一个RoI池化层，（region of interest，兴趣区域）。

给定一个锚框，将锚框均匀分割成nxm块，输出每一块的最大值，这样就能总是输出nm个值。

（当然不可能一直均匀，肯定有不均匀的时候，一块比一块多一些很正常）

这样就可以让切割好的样本组成batch（都是nm这么大），之后就可以扔到CNN中训练了。

  Fast RCNN

使用CNN对图片抽取特征；使用RoI池化层对每个锚框生成固定长度的特征。

他相对于RCNN的提升，其实就是不再对所有的RCNN做特征抽取，而是有选择地抽取（这里涉及到一个很复杂的selective search算法）

之前生成的锚框可能会有很多重叠，而重叠面积特别大的锚框很明显处理一个就可以了，因此叫做fast。

Faster R-CNN

 faster相对于fast网络来说，是用RPN（region proposal network，区域建议网络）代替了selective research算法，对于生成的大量锚框，我们做预测，如果这个锚框效果好，才把它扔到RoI池化层中。

记得回顾一下锚框的内容：https://zhuanlan.zhihu.com/p/63024247

Mask R-CNN 没听懂……短时间用不到，暂时不玩

单发多框检测（SSD，SS：signal stage、signal shout）【这个SSD和硬盘没有任何关系】

 随后，直接对这些生成的锚框抽取特征，再用多个卷积层来减半高宽。

在每一段都生成锚框，底部（图片中最上面）用来拟合小物体，顶部用来拟合大物体，对每个锚框预测类别和边缘框。

其实就是一个在分辨率上多尺度的RCNN？（个人理解）

YOLO（You only look once，你只看一次，坐着的本意就是追求快）

SSD中锚框有大量重叠，浪费了很多计算量，而YOLO的思想就是让锚框尽量不重叠（只看一次）

YOLO将图片均匀分成了SXS个锚框

 每个锚框会预测B个边缘框（因为很可能一个物体会被不同锚框分割）

YOLO在工业界的物体检测仍然被广泛采用。

确实，看了YOLO在Ted的presentation，是个个性的人，一直在考虑如何跳出　　权利支持-获得技术-巩固权利　　这个怪圈，可以看看：https://www.youtube.com/watch?v=XS2UWYuh5u0