目标检测_0

目标检测

1. rcnn：根据颜色等特征，将图像分为许多小区域（一般情况下颜色相同的都是一类物体）
   1. 合并区域，然后进行区域内的物体检测 即到卷积中进行预测（每个框一个卷积网络）
   2. 缺点：找到的框太多
2. fast-rcnn:整张图片卷积得到特征图
   • 图片映射到特征图，
3. faster-rcnn:RPN 层，根据标注中框的位置，让卷积网络自己学习框应该在哪 （在特征图上提取框）
   • 怎么学习？
     • 有基数128,256,512，3种方式
   • 对于一个像素点生成9个框，以他为中心
     • 128*256,256*128,128*128
     • 256*512,512*256,256*256
     • 512*512,512*1024,1024*512

数据

1. 或获途径

   • Benchmark是一个行业的基准（数据库，论文，源码，结果）。 face benchmark或MPII Human Pose Dataset
   • 论文
   • 论坛或者交流社区 如thinkface

2. 处理

   1. 正样本：裁剪，根据标注把目标裁剪出来，例如人脸，可使用opencv工具
   2. 负样本：随便选择的框，可与正样本重叠，但不能太多 这个比例 成为 inception open union （Iou） 一般为0.3，小于0.3为负样本 大于0.7为正样本（当做遮蔽的数据），中间的舍弃

3. 根据不同框架数据集格式生成数据集

训练

1. Input Image 227*227*3
2. Conv1
   1. num_output=96 特征图数量
   2. kernel_size=11 卷积核大小
   3. stride=4 滑动步长
   4. input:55*55*96
3. relu
4. Pool
   1. kernel_size=3,
   2. stride=2
   3. input:27*27*96
5. 经过多层卷积，,激活，池化，（偶尔还有规范化）
6. 全连接层 4096*1
   1. 激活
   2. drop
7. 全连接分类n*1