目标检测算法总结
一、基于候选区域的目标检测器
滑动窗口检测器
根据滑动窗口从图像中剪切图像块，把图像块处理成固定大小。随后输入CNN分类器中，提取特征。最后使用SVM分类器识别种类，并且用线性回归器得到边框。
选择性搜索selective search
首先将每个像素作为一组。
然后，计算每一组的纹理，并将两个最接近的组结合起来。
但是为了避免单个区域吞噬其他区域，我们首先对较小的组进行分组。我们继续合并区域，直到所有区域都结合在一起。
R-CNN
R-CNN 利用候选区域方法创建了约 2000 个 ROI。这些区域被转换为固定大小的图像，并分别馈送到卷积神经网络中。该网络架构后面会跟几个全连接层，以实现目标分类并提炼边界框。
比滑动窗口更快速、更准确。
边界框回归器
使用回归的方法，将蓝色边界框转变成红色边界框。
经过平移、缩放，得到回归窗口。
把A框经过映射，得到与真实窗口G框更接近的回归窗口G’。
Fast R-CNN
R-CNN缺点：需要非常多的候选区域以提升准确度，但其实有很多区域是彼此重叠的。对每个候选区域都要提取一次特征，速度很慢。
Fast R-CNN先用CNN提取整个图像的特征，再把SS应用到提取到的特征图上。这样只需要提取一次特征，加快了速度。
ROI池化
因为 Fast R-CNN 使用全连接层，所以我们应用 ROI 池化将不同大小的 ROI 转换为固定大小。
左上角：特征图
右上角：ROI（蓝色框）
左下角：将ROI拆成目标维度（这里是2*2）
右下角：找到每个部分的最大值，得到变换后的特征图
这样就把特征区域resize成固定大小了。
Faster R-CNN
Fast R-CNN缺点：使用SS，太慢了
Faster R-CNN 采用与 Fast R-CNN 相同的设计，只是它用内部深层网络代替了候选区域方法。新的候选区域网络（RPN）在生成 ROI 时效率更高。
流程图与Fast R-CNN相同，只是生成候选区域的方法不同。
候选区域网络RPN
候选区域网络（RPN）将第一个卷积网络的输出特征图作为输入。
它在特征图上滑动一个 3×3 的卷积核，以使用卷积网络（如下所示的 ZF 网络）构建与类别无关的候选区域。其他深度网络（如 VGG 或 ResNet）可用于更全面的特征提取，但这需要以速度为代价。
ZF网络最后输出256个值，分别送入两个全连接层，以预测边界框和两个objectness 分数，这两个 objectness 分数度量了边界框是否包含目标（0或1）。
对于特征图中的每一个位置，RPN 会做 k 次预测。
因此4k表示，每次4个坐标，总共4k个参数。
2k表示，每个位置上0或1得分，总共2k个参数。
Faster R-CNN 使用更多的锚点。它部署 9 个锚点框：3 个不同宽高比的 3 个不同大小的锚点框。每一个位置使用 9 个锚点，每个位置会生成 2×9 个 objectness 分数和 4×9 个坐标。
基于区域的全卷积神经网络（R-FCN）
Faster R-CNN缺点：如果ROI数量过多，送入全连接层进行预测，速度太慢了。
因此R-FCN 通过减少每个 ROI 所需的工作量实现加速。
1、现有一个5x5的特征图M，内部包含一个蓝色方块。我们将蓝色方块划分成3x3个区域。
2、创建一个新的特征图，来检测方块的左上角。只有黄色区域是处于**状态。
3、类似的，创建出9个特征图，来分别检测对应的目标区域。这些叫做位置敏感得分图。
4、红色虚线矩形是建议的 ROI，将其分割成3x3个区域，并用得分图来求每个区域包含目标对应部分的概论是多少。
例如，左上角 ROI 区域包含左眼的概率。
最后得到一个3x3的vote数组，这个过程叫做位置敏感ROI池化。
对ROI的每个区域，都进行一次映射后，得到了3x3个得分，最后计算所有元素得分的平均值。
（得分的意思，就是你这块区域是目标区域的概率。如，目标区域是检测眼睛的，这块区域是眼睛的概率是多少。因此，最后的平均分，就表示这个ROI区域是目标物体的概论）
假如我们有 C 个类别要检测。我们将其扩展为 C + 1 个类别，这样就为背景（非目标）增加了一个新的类别。每个类别有 3 × 3 个得分图，因此一共有 (C+1) × 3 × 3 个得分图。使用每个类别的得分图可以预测出该类别的类别得分。然后我们对这些得分应用 softmax 函数，计算出每个类别的概率。