3.10 候选区域(选修)(Region proposals (Optional))
滑动窗法会对原始图片的每个区域都进行扫描,即使是一些空白的或明显没有目标的区域,这样会降低算法运行效率,耗费时间
R-CNN算法,即带区域的卷积网络,或者带区域的CNN。这个算法尝试选出一些区域,在少数窗口上运行卷积网络分类器
选出候选区域的方法是运行图像分割算法,找出各个尺度的色块,然后在色块上运行分类器,即首先得到候选区域,然后再分类
R-CNN算法很慢,基本的R-CNN算法是使用某种算法求出候选区域,然后对每个候选区域运行一下分类器,每个区域会输出一个标签,有没有车子、行人、摩托车?并输出一个边界框,就能在确实存在对象的区域得到一个精确的边界框
Fast R-CNN算法基本上是R-CNN算法,最初的算法是逐一对区域分类,快速R-CNN用的是滑动窗法的一个卷积实现,和3.4 卷积的滑动窗口实现的相似,显著提升了R-CNN的速度,问题是得到候选区域的聚类步骤仍然非常缓慢
更快的R-CNN算法(Faster R-CNN),使用的是卷积神经网络,而不是更传统的分割算法来获得候选区域色块,比Fast R-CNN算法快得多
不过大多数更快R-CNN的算法实现还是比YOLO算法慢很多
Previous3.9 YOLO 算法(Putting it together: YOLO algorithm)NextAutonomous driving application - Car detection
Last updated