目标检测（一）——RCNN算法

学习本课程的前提：学完深度学习的基础以及掌握卷积神经网络。

原创课程，第一时间送达

前言

传统目标检测算法：

传统的目标检测算法大部分是通过不同大小的滑动窗口扫描图片，然后进行特征提取，最后使用分类器分类，这样做的缺点是：

1）基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余

2）手工设计的特征对于多样性的变化没有很好的鲁棒性

RCNN算法

Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，2010年更带领团队获得终身成就奖，如今供职于Facebook旗下的FAIR。

RCNN可分为四个步骤：

一张图像生成1K~2K个候选区域

对每一个候选区域，使用CNN来提取特征

特征送入每一类的SVM分类器，判断是否属于该类

使用回归器精细修正候选框位置。

下面详细讲解一下每一个步骤：

候选区域的生成

利于Selective Search算法通过图像分割的方法得到一些矩形框，矩形框当中就可能包含目标物体。

对每个候选区域，使用深度网络提取特征

将2000个候选区域缩放到227*227，接着将候选区域输入事先训练好的AlexNet CNN网络中，获得4096维的特征得到2000*4096维矩阵。这里的卷积神经网络并没有全连接层，直接从POOLING层中提取出特征后展平。

将特征向量送到每一类的SVM分类器，判定类别

将2000*4096的特征矩阵与4096*20的权值矩阵进行相乘，最后得到2000*20的评分矩阵，评分矩阵表示的是每个建议框是某个目标类别的得分，然后对上述2000*20维矩阵的每一列即每一类进行非极大值抑制来剔除重叠建议框，得到该列即该类中得分最高的一些建议框。

   4.使用回归器精细修正候选框位置

对剩余的建议框进一步筛选，接着分别用20个回归器对上述20个类别中剩余的建议框进行回归操作，最终得到每个类别修正后的得分最高的bounding box。

缺点：