下面介紹常用目標(biāo)檢測算法
1 滑窗法
滑窗（Sliding Window）法的思路非常簡單，首先需要一個已經(jīng)訓(xùn)練好的分類器，然后把圖像按照一定間隔和不同的大小分成一個個窗口，在這些窗口上執(zhí)行分類器，如果得到了較高的分類分?jǐn)?shù)，就認(rèn)為是檢測到了物體。把每個窗口都用分類器執(zhí)行了一遍后，再對得到的分?jǐn)?shù)做一些非極大值抑制等，最后就得到了物體類別和對應(yīng)區(qū)域。
滑窗法非常簡單，但是效率極其低下，尤其還要考慮物體的長寬比。如果執(zhí)行比較耗時的分類器，用滑窗法就不太現(xiàn)實(shí)，常見的都是用一些小型分類網(wǎng)絡(luò)和滑窗法相結(jié)合的應(yīng)用。
2 PASCAL VOC ，mAP和IOU
PASCAL VOC是一套用于評估圖像分類、檢測、分割和人體姿勢動作等的數(shù)據(jù)集，PASCAL VOC包含4大類共20個細(xì)分類別，分別是人、動物（鳥、貓、牛、狗、馬、羊）、交通工具（飛機(jī)、自行車、船、大巴、轎車、摩托車、火車），室內(nèi)（瓶子、椅子、餐桌、盆栽、沙發(fā)、電視/顯示器等）。
預(yù)測檢測算法一般有兩個標(biāo)準(zhǔn)，即是否正確預(yù)測了框內(nèi)的物體類別；預(yù)測的框和人工標(biāo)注的框的重合程度。這兩個標(biāo)準(zhǔn)的量化指標(biāo)分別mAP（mean Average Precision）和IOU（Intersection Over Union）。
IOU是用來衡量預(yù)測的物體框和真實(shí)框的重合程度。
圖中實(shí)線是人工標(biāo)注的框，虛線是模型預(yù)測的框。重合度的計(jì)算方法如圖中的灰色區(qū)域所示。評價一個算法的時候，一種常見的方法是先設(shè)定一個IOU的閾值，只要算法找到的框的IOU大于這個閾值，就是一個有效的檢測。
3 Selective Search和R-CNN
滑窗法相當(dāng)于是對一張圖像上的子區(qū)域進(jìn)行類似窮舉式的搜索，一般情況下這種低效率搜索到的區(qū)域里大部分都是沒有任何物體的。那么能不能找到一種方法只對圖像中包含物體的區(qū)域進(jìn)行搜索，如果能找到這樣的方法，就能提高物體檢測的效率。于是就有了廣為熟知的Selective Search。
Selective Search的思路是，可能存在物體的區(qū)域應(yīng)該有某種相似性的或是連續(xù)的區(qū)域。針對這兩個特點(diǎn)，Selective Search采用的是超像素合并的想法（有分割算法在圖像上產(chǎn)生很多小區(qū)域，把這引起小區(qū)域看成是最基礎(chǔ)的小區(qū)域，于是這些小區(qū)域可以看成超像素），然后再對相似的區(qū)域進(jìn)行合并，形成更大一點(diǎn)的區(qū)域。衡量相似性的標(biāo)準(zhǔn)可以是顏色、紋理、大小等。不斷迭加小區(qū)域，最后合并為大區(qū)域，最后整張圖會合并成為一個區(qū)域。在不斷合并的過程中，給每個區(qū)域做一個外切的矩形，于是就得到了想當(dāng)數(shù)量的可能包含物體的矩形方框。
相比滑窗法，Selective Search不再是窮舉式的搜索。
Selective Search能夠更加高效的尋找找可能包含物體的方框，后來深度學(xué)習(xí)出現(xiàn)后，用來CNN提取特征，然后再做個分類不就相當(dāng)于檢測嗎？但是直接用Selective Search選出的框未必精確，所以R-CNN加入了一些改進(jìn)，利用和物體標(biāo)準(zhǔn)框的位置的回歸來修正Selective Search提出的原始框。
4 SPP、ROI Pooling和Fast R-CNN
R-CNN雖然比滑窗法快了很多，但是可用性還是很差。一個簡單的檢測任務(wù)需要用Selective Search提出上千個框（R-CNN中是2000個）。這上千個區(qū)域都需要單獨(dú)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行一次前向計(jì)算，速度自然也就很慢了。（待續(xù)）
