【技术博客】目标检测算法R-CNN介绍
目标检测算法R-CNN介绍 作者:高雨茁 目标检测简介 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置。 计算机视觉中关于图像识别有四大类任务: 1.分类-Classification:解决“是什么?”的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。 2.定位-Location:解决“在哪里?”的问题,即定位出这个目标的的位置。 3.检测-Detection:解决“是什么?在哪里?”的问题,即定位出这个目标的的位置并且知道目标物是什么。 4.分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每一个像素属于哪个目标物或场景”的问题。 当前目标检测算法分类 1.Two stage目标检测算法 先进行区域生成(region proposal,RP)(一个有可能包含待检物体的预选框),再通过卷积神经网络进行样本分类。 任务:特征提取—>生成RP—>分类/定位回归。 常见的two stage目标检测算法有:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。 2.One stage目标检测算法 不用RP,直接在网络中提取特征来预测物体分类和位置。 任务:特征提取—>分类/定位回归。 常见的one