一、總概
學習opencv和深度學習也有一段時間了，也做了不少筆記，亂七八糟的，很多已經忘了，趁有空，趕緊寫寫部落格，分享給更多的喜歡計算機視覺的同學入門。最主要的是自己回顧一下所學。以下的都是自己的一些了解筆記，未免會出錯，有不對的地方，望幫忙指正，一起學習讨論。
二、幾種目标檢測方法的總結
（1）傳統的基于滑動視窗的目标檢測：
使用滑動視窗，對圖檔進行多次掃描，找出置信度高的區域。也稱級别檢測，逐漸找出置信度最高的區域。如下圖（圖檔來自此部落格）：
顯然，這種做法需要極大的計算消耗。
（2）早期的深度學習R-CNN家族：
有些專業名稱，不知道怎麼翻譯。上點筆記圖檔，字寫得不好，看不清楚的請往下看，或留言評論。
R-CNN也是使用bounding boxes，隻是不同于傳統的方法，他是先進行了Selective Search ， 使用不同大小的滑動視窗，先試圖把鄰近的像素組合起來，形成最有可能的框，這樣就比傳統的方法減少bounding boxes的數量，進而提高速度和準确度。
檢測的步驟是:
1）通過Selective Search,提取一些認為是目标的區域。
（目前最快最好的Faster R-CNN使用一個網絡Region Proposal Network (RPN)來提取區域。）
2）将區域輸入一個已經訓練好的AlexNet模型，使用SVM來判斷這個區域是什麼類。
3）一旦分好了類，隻需要用線性回歸就可得到區域坐标。
了解不是很透徹，強烈建議去讀原作者的論文，目前RCNN家族，最好最快的是Faster R-CNN。
（3）目前效果很好的YOLO家族
先上我的英文筆記，看圖
YOLO完全和上面的方法不同，是個極大的創新。YOLO actually looks at the image just once but in a clever way.
- YOLO将整張圖檔劃分為13*13個單元網格，每一個單元網格預測5個bounding box，每個bounding box包圍着一個目标，還告訴我們每個目标的置信度（認為該預測目标和真實目标有多接近的數值），置信度分數和預測的目标組成最終的預測結果。
- 由于1313個網格，每個網格有5個預測，是以共有1313*5 = 845個 boxes.
- 但并不是每個目标都有很高的預測值，我們會設定一個門檻值，把低置信度的預測去掉，這個技術叫 non-maximum suppression.
- 最後每個網格以125個channels結束，為什麼是125？因為每個單元格預測5個類，每個類包含：x , y , width ， height ，confidence score , 20個 probability distribution(20個類，每個類的可能機率) ，是以5*25=125.
總結：盡管有845個離散的預測，但他們都是同時預測，網絡模型僅僅跑一次。況且，随着yolo家族的不斷壯大發展，現在速度已經超過SSD(另一個目标檢測模型，速度快聞名) ，而且準确度更高。是以YOLO家族應該是目前最好的目标檢測算法。
強烈建議去讀論文
三、總結
本文就簡單總結一下幾種常見的目标檢測模型。就效果來看，YOLO應該是最好用的，YOLO已經推出YOLO9000 , 檢測類型已經達到9000種，如果配上好一點的GPU，達到實時流暢并且準确應該沒問題。YOLO模型也是我實戰最多的，可以留意我其他部落格，會相繼寫YOLOv3的使用和自己訓練，其他的Faster R-CNN還沒試過，不敢輕易評論。最後，上面的都是自己的一些簡單總結，難免出錯，望指正，感謝觀看。
歡迎關注我的公衆号【CV之道】，一起學習交流~~