DAY5 深度学习之目标检测-两阶段方法

  • 目标检测概述
  • 深度学习下的目标检测
  • 总结


目标检测概述

目标检测：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。
问题难点：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。

深度学习下的目标检测

  1. IOU：
    IOU=(A∩B)/(A∪B)，IOU用来衡量真实标注和预测结果的重合程度。
  2. 非极大值抑制（NMS）：
    首先，将同一类的所有的检测框，按照分类置信度排序。然后将与分类置信度最高的检测框的重叠面积（IOU）大于一定阈值的检测框删除，最后从未处理的框中，再选出一个分类置信度最高的检测框，重复上一步操作。如图所示：
  3. R-CNN：

    R-CNN候选区域生成：Selective Search（SS，选择性搜索）。根据颜色、纹理、尺寸和空间交叠相似度提取约2000个region proposal（候选区域），类似于一种层次聚类算法。SS同样存在着问题，首先对于每张图像，还需要额外的步骤提取region proposal，其次存储和重复地提取每个region proposal的特征花费大量的存储和计算资源。
    R-CNN统一尺寸：Warped region (区域拉伸)：通过Selective Search产生的候选区域大小不一样，为了与CNN（AlexNet）兼容，R-CNN直接将所有的候选区域统一到227*227的尺寸。将每个region proposal统一成同样的尺寸，严重影响CNN提取特征的质量。
    R-CNN特征提取：通过卷积神经网络提取CNN特征，用于分类。
    R-CNN区域分类：为每一类（包括背景类）训练SVM。
    边界框回归：对于得到是目标的区域，根据网络提取的特征训练了一个线性的回归模型，这个模型能够针对候选区域的pool5数据预测一个新的box位置。
    R-CNN缺点：为每个region proposal提取特征，花费大量的计算时间和存储空间。使用Warp，为每个region proposal统一尺寸，严重影响CNN提取特征的质量。
  4. Fast R-CNN
    提取整幅图像的特征，在特征上进行Wrap。特征比图像抽象，学习过程可更好的适应弯曲和裁剪变化；将分类损失和回归损失统一在同一个框架中。

总结

学习到了两阶段方法CNN的基本框架，对于pooling和特征图有了进一步的理解，对目标检测的基本方法有了初步的认识。