目标探测介绍：

直接思路：回归问题

利用神经网络进行目标识别，同样的目标变为坐标值

直接思路：局部识别问题

在很多位置尝试识别，能够完成识别的地方就是目标位置

问题：怎样找到这些候选位置？

　　不同scale的sliding windows？

　　　　遍历所有位置                 

　　　　候选区域产生

　　更有效的方法是什么？

　　　　直接计算候选区域

小结

目标探测任务

转化为回归，分类问题

分类思想目标探测：候选区域产生

 

传统方法—DPMhttps://blog.csdn.net/qq_14845119/article/details/52625426

基本思想：提取图像特征，制作出激励模版，在原始图像滑动计算，得到激励效果，根据激励分布确定目标位置

拓展：目标可能会变形，各个部分单独考虑

DPM—Deformable Parts Model

1. 产生多个模版，整体模版以及不同局部模版
2. 不同模版同输入图片“卷积”产生特征图
3. 特征图组合形成融合特征
4. 对融合特征进行传统分类，回归，得到目标位置

优点：

　　方法直观简单，运算速度快，适应动物体变形，至2012年，最好方法

缺点：

　　性能一般，激励特征人为设计，工作量大，大幅度旋转无法适应，稳定性差

 

神经网络分类：R-CNN系列方法https://blog.csdn.net/v1_vivian/article/details/78599229

神经网络分类思想：对多个位置，不同尺寸，用卷积神经网络判断区域内图片是不是某物

候选位置（proposal）提出方法：EdgeBox

R-CNN

类别减少

训练过程

1. 分类器的训练—直接用ImageNet模型
2. Fine-tune分类模型-选择20类进行探测；对原始分类模型结构更改；
3. 特征提取

图片计算候选区域；候选区域切分图片，变成输入大小；提取相应高级特征；存储特征（很大容量）

1. 单独目标探测器训练

　　　　每一类单独训练

　　　　每一类训练数据平衡

　　　　每一类binary分类

1. 单独目标回归器训练—基于候选区域微调

　　　　每一类单独训练

　　　　每一类训练数据平衡

　　　　每一类BBOX回归

测试过程

1. 候选区域
2. 特征计算
3. 分类，回归
4. 后续处理

评估方法

　　MAP：mean average precision。平均精度

　　IoU:https://blog.csdn.net/u014061630/article/details/82818112

总结

优点：

1. CNN用于目标探测，利用了CNN高效识别能力，大大提高性能
2. 摆脱人为设计物品模版，方法具有通用性
3. 分类+回归，有了找到精确位置的可能

缺点：

1. 为了检测一个目标，所有候选区域计算，大量卷积运算，非常慢
2. SVM训练与CNN断裂，有效信息不能用于优化模型，not end-to-end
3. 每一类单独训练，异常繁琐

Fast R-CNN:https://www.jianshu.com/p/fbbb21e1e390

共享卷积计算

1. 卷积计算保持空间位置
2. 共同区域的卷积计算只需进行一次
3. 切割候选区+提取特征图=计算完整特征图+切割对应候选区

特征一致化-Max Pooling

位置+类别 联合学习

怎么解决候选区域的生成问题，也靠神经网络？

神经网络特征增加一组输出

RPN(Region Proposal Network)

候选区域网络

1. 直接产生候选区域，无需额外生成
2. 直接用于后续特征图切割

RPN的实现

网络输出的值：

1. 是不是一个目标？
2. 覆盖范围的相对位置

k=9（3种尺寸，三种长宽比）个Anchor那么能产生多少个proposal？

特征图size HxW->HWx9 in paper：2400x9

Anchor详解：

1. 如果是VGG conv5作为特征图，3x3区域对应的原始图像区域？4个pooling，16倍
2. Anchor的平移不变怎么理解

较小的平移pooling过程忽略

1. Anchor同外接Proposal区别数量：1-2个数量级减少；性能：更高效；速度10x
2. Anchor设计的借鉴意义？

神经网络有能力找到最终量，也有能力找到很多中间量。

只用Anchor判断是不是目标，会不会存在大材小用，能够判断更多吗？

       训练

       文章：分步训练，太复杂

       更简单方法：直接联合学习

       一个网络，四个损失函数

       Anchor是不是目标

       Anchor回归候选区域回归

       Fast R-CNN分类

       Fast R-CNN基于候选位置回归

完整训练（end-to-end）

多目标一起学习

faster R-CNN：https://blog.csdn.net/liuxiaoheng1992/article/details/81843363

faster R-CNN由四部分组成：

1）卷积层(conv layers)，用于提取图片的特征，输入为整张图片，输出为提取出的特征称为feature maps
2）RPN网络(Region Proposal Network)，用于推荐候选区域，这个网络是用来代替之前的search selective的。输入为图片(因为这里RPN网络和Fast R-CNN共用同一个CNN，所以这里输入也可以认为是featrue maps)，输出为多个候选区域，这里的细节会在后面详细介绍。
3）RoI pooling，和Fast R-CNN一样，将不同大小的输入转换为固定长度的输出，输入输出和Faste R-CNN中RoI pooling一样。
4）分类和回归，这一层的输出是最终目的，输出候选区域所属的类，和候选区域在图像中的精确位置。

神经网络回归：YoLo系列方法:https://www.jianshu.com/p/13ec2aa50c12

只用Anchor判断是不是目标，会不会存在大材小用，能够判断更多吗？

YoLo：可以直接找到是什么，在哪里

YoLo训练

图片分成7x7网格

每个网格生成：

1. b个Bbox 4坐标+1信心
2. N个类别分数（注意对比Anchor）

总共回归目标：7x7x(5b+N)

候选区域个数（b=2）98个，< Fast R-CNN

损失函数：……

YoLo性能

实时运行

精度稍微下降

定位精度较差

物体小的话有可能识别不出来

 

SSD：The Single Shot Detector : https://blog.csdn.net/u013989576/article/details/73439202

中间层特征参与位置种类计算

候选区98vs8732

速度21:46（VGG base）

精度66.4:74.3