基于神經(jīng)卷積網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法總結(jié)

1、基于深度卷積神經(jīng)網(wǎng)絡(luò)的基于深度卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控視頻目標(biāo)檢測(cè)算法研究監(jiān)控視頻目標(biāo)檢測(cè)算法研究2018.4.17CONTENTS01目標(biāo)檢測(cè)02深度學(xué)習(xí)發(fā)展史03基于深度卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控視頻目標(biāo)檢測(cè)算法1目標(biāo)檢測(cè)目標(biāo)檢測(cè)目標(biāo)檢測(cè)目標(biāo)檢測(cè)基本概念基于計(jì)算機(jī)視覺(jué)技術(shù)的目標(biāo)檢測(cè)就是“給定一張圖像或者視頻幀，找出其中所有目標(biāo)的位置，并給出每個(gè)目標(biāo)的具體類別”。應(yīng)用領(lǐng)域智能視頻監(jiān)控；基于內(nèi)容的圖像、視頻檢索；基于計(jì)算機(jī)視覺(jué)的人機(jī)交互；自動(dòng)駕駛等重點(diǎn)1.識(shí)別目標(biāo)2.確定位置2深度學(xué)習(xí)發(fā)展史人 工 智 能 v s 機(jī) 器 學(xué) 習(xí) v s 深 度 學(xué) 習(xí)3基于深度卷積神經(jīng)網(wǎng)絡(luò)的基于深度卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控視頻目

2、標(biāo)檢測(cè)算法監(jiān)控視頻目標(biāo)檢測(cè)算法目 標(biāo) 檢測(cè)參考論文：卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和目標(biāo)檢測(cè)應(yīng)用綜述_周俊宇等基于區(qū)域推薦的深度卷積神經(jīng)網(wǎng)絡(luò)的物體檢測(cè)算法基于區(qū)域推薦的深度卷積神經(jīng)網(wǎng)絡(luò)的物體檢測(cè)算法區(qū)域推薦算法區(qū)域推薦算法R-CNNSPP-NETFaster-R-CNNFast-R-CNNR-FCNRegion Proposal4個(gè)步驟1.候選區(qū)域生成： 一張圖像生成1K2K個(gè)候選區(qū)域 （采用Selective Search 方法）2.特征提?。?對(duì)每個(gè)候選區(qū)域，使用深度卷積網(wǎng)絡(luò)提取特征 （CNN） 3.類別判斷： 特征送入每一類的SVM 分類器，判別是否屬于該類 4.位置精修： 使用回歸器精細(xì)修正候

3、選框位置R-CNN改進(jìn)點(diǎn)在最后一個(gè)卷積層后，設(shè)計(jì)一個(gè)金字塔池化層，然后，將特征圖像固定到要求的尺寸。SPP-NET改進(jìn)點(diǎn)1.很大程度上實(shí)現(xiàn)了end to end（除了region proposals的產(chǎn)生還是用的selective search）。2.不再是將region proposals依次通過(guò)CNN，而是直接輸入原圖，來(lái)提取特征（這樣一張圖只會(huì)CNN一次）。3.網(wǎng)絡(luò)同時(shí)輸出類別判斷以及bbox回歸建議（即兩個(gè)同級(jí)輸出），不再分開(kāi)訓(xùn)練SVM和回歸器。Fast-R-CNN改進(jìn)點(diǎn)1.卷積生成候選區(qū)域“RPN（Region Proposal Network）網(wǎng)絡(luò)”代替了Selective Sea

4、rch算法2.完全實(shí)現(xiàn)了端到端的訓(xùn)練，實(shí)時(shí)檢測(cè) Faster-R-CNN改進(jìn)點(diǎn)將全連接層看作是整個(gè)特征圖的卷積，卷積層替代了全連接層R-FCN基于回歸算法的深度卷積神經(jīng)網(wǎng)絡(luò)的物體檢測(cè)算法基于回歸算法的深度卷積神經(jīng)網(wǎng)絡(luò)的物體檢測(cè)算法回歸算法回歸算法YOLOFast-YOLOSSDEnd to End改進(jìn)點(diǎn)僅用一個(gè)神經(jīng)網(wǎng)絡(luò)，相對(duì)于基于候選區(qū)域的2個(gè)卷積網(wǎng)絡(luò)檢測(cè)速度大大提高YOLO改進(jìn)點(diǎn)以VGG-16為基礎(chǔ)，在最后一個(gè)卷積層后額外加入卷積層，大小逐層遞減，在每個(gè)卷積層上做滑動(dòng)窗口，在不同尺度的特征圖下找錨定框SSD小結(jié)小結(jié)1.基本實(shí)現(xiàn)實(shí)時(shí)檢測(cè)1.只用一個(gè)神經(jīng)網(wǎng)絡(luò)，檢測(cè)速度大大提高基于候選區(qū)域方法基于

5、回歸方法2.同時(shí)訓(xùn)練2個(gè)卷積網(wǎng)絡(luò)，仍存在訓(xùn)練參數(shù)多，訓(xùn)練時(shí)間長(zhǎng)，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜等問(wèn)題（本質(zhì)上仍用傳統(tǒng)“三步走”思路）2.小目標(biāo)識(shí)別效果不好THANKYOU!1目標(biāo)檢測(cè)目標(biāo)檢測(cè)改進(jìn)點(diǎn)1.很大程度上實(shí)現(xiàn)了end to end（除了region proposals的產(chǎn)生還是用的selective search）。2.不再是將region proposals依次通過(guò)CNN，而是直接輸入原圖，來(lái)提取特征（這樣一張圖只會(huì)CNN一次）。3.網(wǎng)絡(luò)同時(shí)輸出類別判斷以及bbox回歸建議（即兩個(gè)同級(jí)輸出），不再分開(kāi)訓(xùn)練SVM和回歸器。Fast-R-CNN改進(jìn)點(diǎn)1.很大程度上實(shí)現(xiàn)了end to end（除了region proposals的產(chǎn)生還是用的selective search）。2.不再是將region proposals依次通過(guò)CNN，而是直