lengdrary

  • 0

    获得赞
  • 1

    发布的文章
  • 0

    答辩的项目

目标检测与图片分类的区别

目标检测

最后更新 2020-04-28 15:37 阅读 410

最后更新 2020-04-28 15:37

阅读 410

目标检测

问题:

  • 图像分类网络是否可以用于目标检测 
  • 在什么情况下可以使用 

图像分类与目标检测的区别

1.png 2.png

 目标检测架构的基本网络 

将一个预训练的分类网络作为深度学习目标检测架构(例如 Faster R-CNN、SSD 或者 YOLO)。 

  •  这个方法的好处是:你可以创建一个基于深度学习的复杂端到端目标检测器。 
  • 而其不足之处是:它需要一些关于深度学习目标检测器如何工作的知识,我们将在后面的部分中讨论这个问题。

深度学习目标检测器的模块

3.png

图 4: VGG16 基本网络是 SSD 深度学习目标检测框架的一个特征抽取模块。

首先我们要知道,深度学习目标检测器有很多模块,子模块以及更小的子模块,但是我们今天要重点关注的是深度学习入门者所困惑的两个:

  • 目标检测框架(不包括 Faster R-CNN, SSD, YOLO)
  • 适合目标检测框架的基本网络

基本网络就是常用的分类 CNN 架构,包括:

  • VGGNet
  • ResNet
  • MobileNet
  • DenseNet

通常这些网络在大数据集上进行预训练来进行分类,例如 ImageNet,它们可以学习到很多具有鉴别能力的滤波器。

目标检测框架由很多组成部分和子模块构成:

Faster R-CNN 框架包括:候选区域网络(RPN)一组锚点ROI 池化模块最终基于区域的卷积神经网络

SSD(单步检测器,single shot detectors)包括:多框(MultiBox)先验(Priors)固定先验(Fixed priors)

图 4 描述了 SSD 框架内部的 VGG-16 网络。

通常,我们需要在基本网络上进行网络手术。这种修改包括:

  1. 变成全卷积的形式,并接受任意输入维度。
  2. 剪除了基本网络中更深层的卷积和池化层,将它们以一系列新层(SSD)、新模块(Faster R-CNN),或者这两者的一些组合代替。这里的「网络手术」是一种口语化的说法,它的意思是移除基本网络中的一些原始卷积层,将它们用新层替代。网络手术也是讲究策略的,我们移除一些不需要的部分,然后用一组新的部分来替代它们。

然后,当我们开始训练我们的框架进行目标检测时,(1)新层、模块和(2)基本网络的权重都被修改了。

4.png

图片来自 知乎-田昊

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/article/418
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除