目標檢測Faster RCNN系列筆記

計算機視覺：圖像分類、目標檢測、目標分割

一、人臉檢測

• 人臉檢測屬於目標檢測的一種：目標爲檢測一張圖像中是否存在人臉，以及人臉的位置
  
• 數據集：
  
  
• 人臉採集介紹：
  
• 人臉數據集的構造
  

二、Faster-RCNN

1) 發展歷程以及解決的問題

2) 傳統目標檢測流程

3) RCNN

• 步驟
  
  
  
• 缺點
  

4) SPPNet

5) Fast RCNN

• 介紹
  
• 網絡結構
  
• Fast RCNN創新的操作
  
• Fast RCNN與R-CNN相比速度大幅提升
  
• Fast RCNN網絡缺點
  

6) Faster RCNN

• 網絡流程
  
• 網絡結構
  
• 在Faster-RCNN中是如何定義和使用RPN網路的
  
  
• 性能對比
  

7) 後續改進網絡

1、HyperNet

• 對小物體檢測能夠有一個比較好的效果
  

2、RFCN

• 主要對pooling層進行改進
  

3、Light-Head RCNN

• 只要是通過對faster rcnn 的head部分進行優化，減少部分計算量
  
  
  

4、Mask RCNN

5、Cascade RCNN

6、CoupleNet

7、faster rcnn中兩種常用的方法

• 在線能力挖掘：實現主要是通過兩個roi網絡來實現的，第一個：針對於輸入樣本的損失來進行計算，完成難例挖掘的過程。第二個網絡是實際用來訓練的網絡，通過兩個網絡相互協調來實現對其進行優化的目的。
• 軟的nms ：相對於hard nms，改變將閾值小於iou的閾值直接置爲0，而是對閾值進行衰減的處理，或降低閾值，通過這種操作，保留更多的信息。能夠在一定程度上減少漏檢率