《目标检测》YOLO、SSD简单学习

上一篇文章写了物体检测的二步走算法的介绍。这里我们看看端到端网络的模型。

R-CNN系列的算法，准确度高，但是处理速度慢。
端到端系列的算法，准确的稍微低，但是处理速度却极大提升。

一：YOLO算法
这里不展开细讲，之前学习过的，可参考
https://blog.csdn.net/qq_29367075/article/details/109269477
https://blog.csdn.net/v_JULY_v/article/details/80170182
https://zhuanlan.zhihu.com/p/32525231

YOLO算法提供的思路是，不需要额外的操作，不需要候选框，全部信息都是可以端到端训练得到。

二：SSD算法（Single Shot MultiBox Detector）

Faster R-CNN系列的算法准确率高，高在哪里？是因为有候选框，且经过微调后都是比较准确的了，只要CNN强大，分类也不是问题，因此整体的准确度高。
YOLO系列很快，快就是因为步骤简单，直接一个网络全部搞定，端到端，很快。

上面分析了YOLO存在的问题，使用整图特征在MM（默认是77）的粗糙网格内回归对目标的定位并不是很精准。那是不是可以结合Region Proposal的思想实现精准一些的定位？SSD结合YOLO的回归思想以及Faster R-CNN的anchor机制做到了这点。

网络结构如下：
使用VGG16为基础，利用前5个卷积层，后面从conv6开始再增加5个卷积，输入图像是300x300，且保留了conv6后面的每一层的特征图（VGG前五层conv后一共存在5个conv，所以后面会输出6个尺度的特征图）。

上图是SSD的一个框架图，首先SSD获取目标位置和类别的方法跟YOLO一样，都是使用回归，但是YOLO预测某个bbox位置时候是使用的是全图的特征（感觉不太合理），但是SSD预测某个位置使用的是这个位置周围的特征（引入了预设的default box）（感觉更合理一些）。

SSD采用了在不同尺度特征图上的来预测大量的default bounding box的类别和位置信息。default bounding box就是Faster R-CNN中的anchor机制是一样的，都是预先设置的一些不同尺度和长宽比的框，预先设置的目的就是大致确定框范围的意思，后面会经过regressor微调和修正的。
这些不同层的卷积特征图上框，表示了不同尺寸的物体的检测，越靠前的卷积，感受野越小，看到的框也小点，越靠后的卷积，感受野越大，看到的框也大点。

我们仔细看下detector && classifier
这里融合了anchor的思想和YOLO的思想。

SSD结合了YOLO中的回归思想和Faster R-CNN中的anchor机制，使用全图各个位置的多尺
度区域特征进行回归，既保持了YOLO速度快的特性，也保证了窗口预测的跟Faster R-CNN一样比较精准。SSD在VOC2007上mAP可以达到72.1%，速度在GPU上达到58帧每秒。

《目标检测》YOLO、SSD简单学习相关推荐

目标检测YOLO实战应用案例100讲-基于深度学习的显著性目标检测研究与应用（论文篇）
目录基于深度学习的显著性目标检测综述基于深度学习的显著性目标检测分类及难点分析
目标检测YOLO实战应用案例100讲-基于深度学习的交通场景多尺度目标检测算法研究与应用
目录基于深度学习的交通目标检测算法研究传统的目标检测算法基于深度学习的目标检测算法 </
基于PaddlePaddle实现的目标检测模型SSD
原文博客:Doi技术团队链接地址:https://blog.doiduoyi.com/authors/1584446358138 初心:记录优秀的Doi技术团队学习经历本文链接:基于PaddleP ...
目标检测 YOLO系列算法
文章目录 1. YOLO算法 1.1 Yolo算法思想 1.2 Yolo的网络结构 1.2.1 网络输入 1.2.2 网络输出 1.7X7网格 2x30维向量 1.3 Yolo模型的训练 1.3.1训 ...
目标检测算法SSD结构详解
❝ 上期我们一起学习了Faster RCNN的损失函数以及如何进行模型训练的相关知识,如下: Faster RCNN的损失函数以及模型训练流程 ❞ 本文主要学习: One-Stage / Two-St ...
【目标检测-YOLO】博客阅读：Introduction to the YOLO Family
阅读收获本文是博客:https://pyimagesearch.com/2022/04/04/introduction-to-the-yolo-family/ 的翻译. 好吧!其实在这里面并没有太多 ...
目标检测——YOLO系列（一网打尽）
YOLO系列算法 1. 基本概念 2. 目标检测算法分类及流程 2.1 算法分类 2.2 基本流程 2.3 Two-stage与One-stage基本流程比较 3. YOLO系列目标检测模型 3.1 ...
目标检测YOLO系列------YOLO简介
目标检测YOLO系列------YOLO简介 1.为什么会出现YOLO算法 2.YOLO算法会逐渐成为目标检测的主流吗 YOLO以及各种变体已经广泛应用于目标检测算法所涉及到的方方面面,为了梳 ...
【目标检测】SSD目标检测
导语 PaddlePaddle提供了丰富的运算单元,帮助大家以模块化的方式构建起千变万化的深度学习模型来解决不同的应用问题.这里,我们针对常见的机器学习任务,提供了不同的神经网络模型供大家学习和使用. ...
目标检测—YOLO不难学，你只是不会方法！
目标检测是图像处理和计算机视觉领域中的一个经典课题,在交通监控.图像检索.人机交互等方面有着广泛的应用.随着研究发现,目标检测领域应用深度学习,可以有效的提高检测效果和性能.于是,深度学习在目标检测领 ...

《目标检测》YOLO、SSD简单学习

《目标检测》YOLO、SSD简单学习相关推荐

最新文章

热门文章