目标检测经典算法总结
1. R-CNN：
从原图像中提取2000个候选区域。2000个候选区域由选择性搜索(selective search)算法产生。
选择性搜索：
（1）首先初始化多个候选区域；
（2）用贪心算法递归地将相似区域合并成较大区域；
（3）使用生成的区域去产生最终候选区域建议；
检测过程如上图所示：
- 将2000个候选区域分别调整成方形，喂入卷积神经网络；
- 由卷积神经网络产生4096维的特征向量；
- 把向量输入到支持向量机进行分类；
- 除此以外，还通过一个Bbox reg预测边界框的4个偏差值，提高边界框的精度。
R-CNN存在的问题：
- 训练过程耗费大量时间（因为每张图像要分类2000个不同区域）
- 不适合实时目标检测（检测每张图像需要约47秒）
- 选择性搜索算法是固定的，不可训练（因此选择性算法可能产生不好的候选区域）
2. Fast R-CNN：（解决了R-CNN的许多缺点）：
R-CNN是将各个小块的候选区域喂入卷积神经网络，而Fast R-CNN则是将整张图片都喂入神经网络。
检测过程如上图所示：
- 将原始图像输入卷积神经网络；
- 神经网络产生卷积特征图；
- 从卷积特征图中识别候选区域，并将其变为方形；
- 通过ROI卷积层把区域大小reshape为固定方形大小，喂入全连接层；
- 用softmax进行区域分类，用Bbox回归器预测4个偏差值；
Fast R-CNN远快于R-CNN，其优势在于不用每次喂入2000个候选区域给卷积神经网络，每张图片只要一次卷积操作。
此外，由上图还可以看出，影响效率的瓶颈在于找到候选区域。
3. Faster R-CNN：
R-CNN和Fast R-CNN都使用了“选择性搜索”算法，这种算法很慢，耗费大量时间。因此Faster R-CNN摒弃了这种算法。
检测过程如图:
- 原始图像输入卷积神经网络，生成卷及特征图；
- 通过一个独立的网络预测候选区域；
- 使用ROI池化层把候选区域reshape为固定形状；
- 和Fast R-CNN一样用全连接层分类和预测偏差值。
可以看出，Faster R-CNN远远比先前的算法快，因此适合作为实时物体检测。
4. YOLO：You Only Look Once：
上述3种算法：R-CNN，Fast R-CNN和Faster R-CNN都使用候选区域来定位物体，属于两阶段（One stage）目标检测。而YOLO只需单一的卷积神经网络即可预测边界框的位置和框内物体的类别。
检测原理如上图所示：
- 把原始图像分割为S×S是单元格；
- 每个单元格负责预测m个不同尺度的边界框；
- 每个边界框会预测生成物体种类和偏差值；
- 设置阈值，选取所定位到的物体。
YOLO的特点：远快于两阶段算法（fps达到45），但是在检测小物体时性能较差。
