单目标的目标检测
多目标的目标检测
多实例检测中,可能存在预先不知道多少个目标需要检测的现象。
由于计算量大,所以下面的想法被提出了:
R-CNN
效果的非常ok的,但是有一个问题:重复区域反复计算,导致计算效率低。
因此有了改进的版本Fast R-CNN
Fast R-CNN
先直接学习图像的特征;再对特征进行裁剪、缩放;最后进行分类和边界框预测。
面对ROL Pool的问题,ROL Align被提出。
将候选区域均匀分为4部分,从4部分中分别取4个点。
针对其中一个点(如下图的点E),我们根据点E最近的四个点(图中指的也就是A,B,C,D四个点),通过这4个点,计算点E的值。具体怎么计算呢?
计算方法:双线性差值方法
R-CNN与Fast R-CNN的比较
R-CNN和Fast R-CNN还是不够快,所以有更快的Faster R-CNN被提出。
Faster R-CNN