本文来自公众号“AI大道理”
目标检测不仅要用算法判断图片中是不是一只鱼，还要在图片中标记出鱼的位置，用边框把鱼框起来，这就是目标检测问题。
其中“定位”的意思是判断鱼在图片中的具体位置。
滑动窗口分类法（原始）
（AI大视觉：撒小渔网，一个小渔网从最旁边的地方撒下去，看有没有鱼，然后移动该渔网继续捕鱼）
首先对输入图像进行不同窗口大小的滑窗进行从左往右、从上到下的滑动。
每次滑动时对当前窗口执行分类器(分类器是事先训练好的)。
如果当前窗口得到较高的分类概率，则认为检测到了物体。
对每个不同窗口大小的滑窗都进行检测后，会得到不同窗口检测到的物体标记，这些窗口大小会存在重复较高的部分，最后采用非极大值抑制(Non-Maximum Suppression, NMS)的方法进行筛选。
最终，经过NMS筛选后获得检测到的物体。
滑窗法简单易于理解，但是不同窗口大小进行图像全局搜索导致效率低下，而且设计窗口大小时候还需要考虑物体的长宽比。
把检测的任务当做是遍历性的分类任务。
对边框的区域进行二分类：属于鱼或者不属于鱼。
这样不断地滑动，就是遍历性地分类。
接下来要遍历框的大小：因为刚才是预设一个框的大小，但鱼有大有小，还得遍历框的大小。
遍历得越精确，检测器的精度就越高。
所以这也就带来一个问题就是：检测的耗时非常大。
分类器的训练：本质上还是训练一个二分类器。这个二分类器的输入是一个框的内容，输出是(前景/背景)。
RCNN
那么有必要傻傻的逐一滑动吗？
（AI大视觉：可以用选择性搜索算法提前判断哪些地方可能有鱼（候选区域），然后向这个地方撒一个渔网，看有没有鱼，然后移动到下一个可能的地方继续撒一个渔网捕鱼）
（打叉的地方不是候选区域就不用判断了）
这就是R-CNN(全称Regions with CNN features)的思想。
RCNN选取了2000个候选区域，预先提取一系列较可能是物体的候选区域，之后仅在这些候选区域上提取特征，进行判断。
Region Proposal（候选区域），就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率。
过程：候选框-->CNN-->得到每个候选框的特征-->分类+回归
RCNN算法分为4个步骤
-
一张图像生成1K~2K个候选区域
-
对每个候选区域，使用深度网络提取特征
-
特征送入每一类的SVM 分类器，判别是否属于该类
-
使用回归器精细修正候选框位置
候选区域生成：
选择性搜索。
使用了Selective Search1方法从一张图像生成约2000-3000个候选区域。
基本思路如下：
使用一种过分割手段，将图像分割成小区域，查看现有小区域，合并可能性最高的两个区域。
重复直到整张图像合并成一个区域位置，输出所有曾经存在过的区域，所谓候选区域。
候选区域生成和后续步骤相对独立，实际可以使用任意算法进行。
Fast RCNN
有必要将每个区域都输入CNN进行特征提取和进行判断吗？
（AI大视觉：可以用选择性搜索算法提前判断哪些地方可能有鱼（候选区域），然后向这些地方一起撒很多渔网，看每个渔网里有没有鱼）
RCNN缺点：由于每一个候选框都要独自经过CNN，这使得花费的时间非常多。
Fast RCNN解决：共享卷积层，现在不是每一个候选框都当做输入进入CNN了，而是输入一张完整的图片，在第五个卷积层再得到每个候选框的特征。
Fast RCNN相对于RCNN的提速原因就在于：不像RCNN把每个候选区域给深度网络提特征，而是整张图提一次特征，再把候选框映射到conv5上，而SPP只需要计算一次特征，剩下的只需要在conv5层上操作就可以了。
Fast RCNN算法分为5个步骤
-
在图像中确定约1000-2000个候选框 (使用选择性搜索)
-
对整张图片输进CNN，得到feature map
-
找到每个候选框在feature map上的映射patch，将此patch作为每个候选框的卷积特征输入到SPP layer和之后的层
-
对候选框中提取出的特征，使用分类器判别是否属于一个特定类
-
对于属于某一特征的候选框，用回归器进一步调整其位置
Faster RCNN
选择性搜索算法生成候选区域太慢了，有什么方法可以改善吗？
（AI大视觉：可以用神经网络算法学习哪些地方可能有鱼（候选区域），然后向这些地方一起撒很多渔网，看每个渔网里有没有鱼）
Faster RCNN在结构上将特征抽取、region proposal提取， bbox regression，分类都整合到了一个网络中，使得综合性能有较大提高，在检测速度方面尤为明显。
加入一个提取边缘的神经网络，也就说找到候选框的工作也交给神经网络来做了。
做这样的任务的神经网络叫做Region Proposal Network(RPN)。
具体做法：
• 将RPN放在最后一个卷积层的后面
• RPN直接训练得到候选区域
Faster RCNN算法分为4个步骤
-
对整张图片输进CNN，得到feature map
-
将feature map输入到RPN，得到候选框的特征信息
-
对候选框中提取出的特征，使用分类器判别是否属于一个特定类
-
对于属于某一特征的候选框，用回归器进一步调整其位置
总结
RCNN系列属于候选区域/窗 + 深度学习分类的两步走方法。
即使是该系列最好的模型还是无法达到实时检测目标的效果，获取region proposal， 再对每个proposal分类计算量还是较大。
灵魂的拷问：两步走无法再进一步了，那能否一步到位？
YOLO，you only look once，就是一步到位的算法。
它去掉了获得候选区域的这一步。
那它是怎么去掉的呢？去掉后性能又会有怎么样的影响呢？
——————
浅谈则止，细致入微AI大道理
扫描下方“AI大道理”，选择“关注”公众号
—————————————————————
—————————————————————