定位、识别；目标检测，FasterRCNN

男娘i 2023-06-04 02:53 42阅读 0赞

定位：

![1603578-20190709162515206-1450056921.png][]

针对分类利用softmax损失函数，针对定位利用L2损失函数（或L1、回归损失等）

人关节点检测

![1603578-20190709162739665-1975364466.png][]

![1603578-20190709162757485-684851901.png][]

针对连续变量和离散变量需要采用不同种类的损失函数。

识别：

![1603578-20190709163519564-942903206.png][]

解决方案：

1.利用滑动窗口，框的大小和位置无法确定，目标检测需要巨大的计算量，pass

![1603578-20190709163900307-146544914.png][]

2.备选区域

![1603578-20190709164338886-1894388865.png][]

![1603578-20190709164729777-1016955664.png][]

利用区域选择网络ROI，将ROI处理成固定尺寸（与下游网络输入尺寸匹配），经过CNN后利用SVM分类（RCNN也会对输入的边界作补偿或修正）

基于区域选择网络也可以作为修正boundingbox的回归

RCNN的问题：

![1603578-20190709170046466-1049457543.png][]

Fast RCNN：

先让整张图片通过一些卷积层得到整张图片的高分辨率特征映射，利用备选区域（可学习）的算法（如搜索），基于备选区域投影到卷积特征映射，之后从卷积特征映射提取属于备选区域的卷积块，而不是直接截取备选区域，将从卷积映射提取的图像块进行reshape，最后全连接分类

![1603578-20190710093853882-294281122.png][]

在训练时做全局反向传播学习

![1603578-20190710094350858-360169632.png][]

花费了大量时间在计算备选区域上

![1603578-20190710094721520-1101718711.png][]

Faster rcnn：RoI Pooling

![1603578-20190710094534680-1491513265.png][]

在fast rcnn的基础上插入RPN（Region Proposal Network）来学习预测备选区域

![1603578-20190710095634750-697173990.png][]

加强理解：[https://cloud.tencent.com/developer/news/281788][https_cloud.tencent.com_developer_news_281788]

[https://blog.csdn.net/hunterlew/article/details/71075925][https_blog.csdn.net_hunterlew_article_details_71075925]

详解Faster-RCNN：[https://zhuanlan.zhihu.com/p/31426458][https_zhuanlan.zhihu.com_p_31426458]

YOLO/SSD：

![1603578-20190710112443861-162420770.png][]

![1603578-20190710112622092-1844395975.png][]

Mask-RCNN可以用做姿态估计，语义分割，目标检测

转载于:https://www.cnblogs.com/Manuel/p/11158464.html

[1603578-20190709162515206-1450056921.png]: /images/20230601/33d8eb44059c4b408ff73a0180956e7f.png
[1603578-20190709162739665-1975364466.png]: /images/20230601/0979ad7a1499487babd1687c1b8cf526.png
[1603578-20190709162757485-684851901.png]: /images/20230601/152273545cc44bb1b3b00a223fd6437d.png
[1603578-20190709163519564-942903206.png]: /images/20230601/a1993c39ce0c416688498a57f65e3203.png
[1603578-20190709163900307-146544914.png]: /images/20230601/145b7640cf74499cbd77f45f6734c4ad.png
[1603578-20190709164338886-1894388865.png]: /images/20230601/4fd015163c0a4eef8c26055543cbb5ad.png
[1603578-20190709164729777-1016955664.png]: /images/20230601/46da56ae546c4adcaf9564ec41d556cb.png
[1603578-20190709170046466-1049457543.png]: /images/20230601/e6cedf9b55ac4e61ac9da27a800ad921.png
[1603578-20190710093853882-294281122.png]: /images/20230601/dfeeb294e79d4284abba111a3808f99f.png
[1603578-20190710094350858-360169632.png]: /images/20230601/018d84c0fe7a41f598c10c4832e902f5.png
[1603578-20190710094721520-1101718711.png]: /images/20230601/c7489723adc646a8b5c629bd02ba8b6c.png
[1603578-20190710094534680-1491513265.png]: /images/20230601/f600ae46bc2b4c8a86eac49a6f5e1dbb.png
[1603578-20190710095634750-697173990.png]: /images/20230601/c0a7b58b95ac4f92aae18aa81518511e.png
[https_cloud.tencent.com_developer_news_281788]: https://cloud.tencent.com/developer/news/281788
[https_blog.csdn.net_hunterlew_article_details_71075925]: https://blog.csdn.net/hunterlew/article/details/71075925
[https_zhuanlan.zhihu.com_p_31426458]: https://zhuanlan.zhihu.com/p/31426458
[1603578-20190710112443861-162420770.png]: /images/20230601/2ad0a878b661439ea2d68145c793fbee.png
[1603578-20190710112622092-1844395975.png]: /images/20230601/ea4ae24122f2404e9a5570091a5b8501.png