深度圖像確定目標距離_深度學習圖像目標檢測必須掌握的基本概念與知識

1、深度圖像確定目標距離深度學習圖像目標檢測必須掌握的基本概念與知識傳統(tǒng)目標檢測方法手動設計特征滑動窗口使用傳統(tǒng)分類器多步驟實現(xiàn)準確度和實時性差深度學習目標檢測方法深度網(wǎng)絡學習特征Proposal或者直接回歸深度網(wǎng)絡分類端到端準確度高且實時性好目標檢測算法分類主要分為Onestage和Twostage兩大類：Onestage：步驟：特征提取-分類-定位/回歸。成員：丫OLOv1、SSD、YOLOv2、RetinaNet、YOLOv3特點：準確度低，速度快。Twostage：步驟：特征提取-生成RP-分類-定位/回歸*成員：FastR-CNN、FasterR-CNN特點：準確度高，速度慢。Selec

2、tiveSearch即選擇性搜索。使用具有不同不變性質的各種顏色空間使用不同的相似性度量使用不同的初始化區(qū)域Bounding-Boxregression邊框回歸。生成的proposal與groundtruth的兩個框不一致，我們想通過某種方法使得產(chǎn)生的另個一個框介于兩者之間，更接近與真值。般遇到的bbox,即指Bounding-Box。ROIregionofinterest,感興趣區(qū)域。通俗的可以理解為使用Labellmg標注的區(qū)域。IoUIntersection-over-Union,交并比。產(chǎn)生的候選框和原標記框的交疊率，即面積的交集和并集的比值。完美情況為1。是一個評價函數(shù)。NMSNon

3、-maximumsuppression,非極大值抑制算法。本質是搜索局部極大值，抑制非極大值元素，在目標檢測中通過選取鄰域里分數(shù)最高的窗口，同時抑制分數(shù)低的窗口去消除多余的框，找到最佳的物體檢測位置?，F(xiàn)在一般使用Soft-NMS。Anchors對于該圖像的每一個位置，考慮9個可能的候選窗口：三種面積三種比例。這些候選窗口稱為anchors。下圖示出51*39個anchor中心，以及9種anchor示例。RRegionProposalNeLwork，如同一個黑盒亍，輸入一個任意尺度的圖片，輸出一系列的矩形objectproposals。區(qū)域生成網(wǎng)絡，在Faster-RNN中使用。叵US礙RPN網(wǎng)絡結構i*k(rwiMO.JOIImap(512,37St)*用紳網(wǎng)步驟：J*1將圖片輸入到VGG或ZF的可共享的卷積層中，得到最后可共享的卷積層的featuremap。2.小網(wǎng)絡繼續(xù)卷積featuremap;獲得原圖的錨點（anchor）3將卷積的結果和錨點分別輸入到兩個小的1*1的網(wǎng)絡中reg（回歸，求目標框的位置）和cl