R-CNN

  • 使用启发式搜索算法来选择锚框

什么是selective search

  • 使用预训练模型来对每个锚框抽取特征
  • 训练一个SVM来对类别分类
  • 训练一个线性回归模型来预测边缘框偏移

Rol Region of Interest 兴趣区域池化层

给定一个锚框，均匀分割成n*m块，输出每块里的最大值 不管锚框多大，总是输出nm个值

Pasted image 20260523222508.png

Fast RCNN

使用CNN对图片抽样特征 使用ROL池化层对每个锚框生成固定长度特征

Faster R-CNN

使用一个区域提议网络来替代启发式搜索来获得更好的锚框

Pasted image 20260523223215.png

Mask R-CNN

**如果有像素级别的标号，利用FCN来利用这些信息

Pasted image 20260523223506.png

Conclusion:

  • R-CNN 是最早也是最有名的一类基于锚框和CNN的目标检测算法
  • Fast/Faster R-CNN持续提升性能
  • Faster R-CNN 和 Mask R-CNN 是在追求高精度场景下的常用算法

Single Short Detection SSD 单发多框检测

生成锚框

对每个像素，生成多个以它为中心的锚框 给定n个大小s1,…,sn和m个高宽比，那么生成n+m-1个锚框，其大小和高宽比分别为:(s1,r1),(s2,r1),…,(sn,r1),(s1,r2),…,(s1,rm)

SSD模型

一个基础网络来抽取特征，然后多个卷积层块来减半高宽 在每段都生成锚框

  • 底部端来拟合小物体，顶部段来拟合大物体 对每个锚框预测类别和边缘框
Pasted image 20260523224931.png

**SSD通过单神经网络来检测模型 以每个像素为中心的产生多个锚框 在多个段的输出上进行多尺度的检测

YOLO

You only look once

  • SSD中锚框大量重叠，因此浪费了很多计算
  • YOLO将图片均匀分成S*S个锚框
  • 每个锚框预测B个边缘框
  • 后续版本有持续改进