一文读懂目标检测AI算法:R-CNN,faster R-CNN,yolo,SSD,yoloV2

  1. 云栖社区>
  2. 博客>
  3. 正文

一文读懂目标检测AI算法:R-CNN,faster R-CNN,yolo,SSD,yoloV2

扬易 2018-05-31 09:46:56 浏览12906
展开阅读全文

1 引言

深度学习目前已经应用到了各个领域,应用场景大体分为三类:物体识别,目标检测,自然语言处理。上文我们对物体识别领域的技术方案,也就是CNN进行了详细的分析,对LeNet-5 AlexNet VGG Inception ResNet MobileNet等各种优秀的模型框架有了深入理解。本文着重与分析目标检测领域的深度学习方法,对其中的经典模型框架进行深入分析。

目标检测可以理解为是物体识别和物体定位的综合,不仅仅要识别出物体属于哪个分类,更重要的是得到物体在图片中的具体位置。

为了完成这两个任务,目标检测模型分为两类。一类是two-stage,将物体识别和物体定位分为两个步骤,分别完成,这一类的典型代表是R-CNN, fast R-CNN, faster-RCNN家族。他们识别错误率低,漏识别率也较低,但速度较慢,不能满足实时检测

网友评论

登录后评论
0/500
评论
扬易
+ 关注