1. 基于區(qū)域建議的目標檢測與識別算法

• R-CNN（Selective Search + CNN + SVM）
• SPP-net（ROI Pooling）
• Fast R-CNN（Selective Search + CNN + ROI）
• Faster R-CNN（RPN + CNN + ROI）
  具體可參見這里
  • 1.一文讀懂目標檢測：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
  • 2.深度學習之目標檢測與目標識別

2. 基于回歸的目標檢測與識別算法

• YOLO
  • 基本思想

  使用了回歸的思想，利用整張圖作為網(wǎng)絡的輸入，直接在圖像的多個位置上回歸出這個位置的目標邊框，以及目標所屬的類別。

  • 一般步驟

  (1) 給定一個輸入圖像，首先將圖像劃分成7*7的網(wǎng)格。
  (2) 對于每個網(wǎng)格，我們都預測2個邊框（包括每個邊框是目標的置信度以及每個邊框區(qū)域在多個類別上的概率）。
  (3) 根據(jù)上一步可以預測出7*7*2個目標窗口，然后根據(jù)閾值去除可能性比較低的目標窗口，最后NMS去除冗余窗口即可。(NMS --- 非極大值抑制)

• SSD

SSD結合YOLO的回歸思想以及Faster R-CNN的anchor機制使得精確度更高，速度更快。