Deep Object Detection » 深度目标检测（一）——概述
2018-11-15 :: 5633 Words概述
Object Detection是计算机视觉的一个重要的分支。类似的分支还有目标分割、目标识别和目标跟踪。
以下摘录自Sensetime CTO曹旭东的解读：
传统方法使用滑动窗口的框架，把一张图分解成几百万个不同位置不同尺度的子窗口，针对每一个窗口使用分类器判断是否包含目标物体。传统方法针对不同的类别的物体，一般会设计不同的特征和分类算法，比如人脸检测的经典算法是Harr特征+Adaboosting分类器；行人检测的经典算法是HOG(histogram of gradients)+Support Vector Machine；一般性物体的检测的话是HOG特征+DPM(deformable part model)的算法。
基于深度学习的物体检测的经典算法是RCNN系列：RCNN，fast RCNN(Ross Girshick)，faster RCNN(少卿、凯明、孙剑、Ross)。这三个工作的核心思想是分别是：使用更好的CNN模型判断候选区域的类别；复用预计算的sharing feature map加快模型训练和物体检测的速度；进一步使用sharing feature map大幅提高计算候选区域的速度。其实基于深度学习的物体检测也可以看成对海量滑动窗口分类，只是用全卷积的方式。
RCNN系列算法还是将物体检测分为两个步骤。现在还有一些工作是端到端(end-to-end)的物体检测，比如说YOLO(You Only Look Once: Unified, Real-Time Object Detection)和SSD(SSD: Single Shot MultiBox Detector)这样的算法。这两个算法号称和faster RCNN精度相似但速度更快。物体检测正负样本极端非均衡，two-stage cascade可以更好的应对非均衡。端到端学习是否可以超越faster RCNN还需要更多研究实验。
进化史
DPM(2007)->RCNN(2014)->Fast RCNN->Faster RCNN
https://github.com/hoya012/deep_learning_object_detection
这个网页提供了相关的论文/模型的列表。
参考：
http://blog.csdn.net/ttransposition/article/details/12966521
DPM(Deformable Parts Model)–原理
https://mp.weixin.qq.com/s/BFL2PhAojZ5zHstgTrhlrw
悉尼大学欧阳万里等人30页最新目标检测综述
https://mp.weixin.qq.com/s/UoIhAcMRgMJ8rlA29_Nacg
深度学习目标检测近年进展
https://zhuanlan.zhihu.com/p/27546796
视觉目标检测和识别之过去，现在及可能
CV实践的难点
从理论上说，无论是传统CV，还是新近崛起的DL CV，其本质都是通过比对目标图片和训练图片的相似度，从而得到识别的结果。
CV的输入一般是由像素组成的矩阵。相比其他领域的数据挖掘而言，CV的实践难点主要包括：
1.视角的改变。照相机的移动会导致像素矩阵发生平移、旋转等变换。
2.光照影响。同一物体在不同光照条件下的影像有所不同。
3.形变。典型的例子是动物的运动，会导致外观的改变。
4.遮挡。待识别物体通常不是完全可见的。
5.背景。雪地、沙滩等不同场景，会影响物体的识别。
6.同类差异。比如各种猫都是猫，但它们的外观有细微的差异。
参考
https://github.com/amusi/awesome-object-detection
目标检测最全论文集锦
https://www.zhihu.com/question/34223049
从近两年的CVPR会议来看，目标检测的研究方向是怎么样的？
https://mp.weixin.qq.com/s/R2IIuGrPG5H2nQHw1kdaBQ
基于深度学习的目标检测算法综述：常见问题及解决方案
https://zhuanlan.zhihu.com/p/21533724
对话CVPR2016：目标检测新进展
https://zhuanlan.zhihu.com/p/36088972
基于深度学习的目标检测算法综述
https://mp.weixin.qq.com/s/r9tXvKIN-eqKW_65yFyOew
谷歌开源TensorFlow Object Detection API
https://mp.weixin.qq.com/s/_cOuhToH8KvZldNfraumSQ
什么促使了候选目标的有效检测？
https://mp.weixin.qq.com/s/c4eh4y8CNRAEllBbnP2Zhg
对象定位和检测
https://mp.weixin.qq.com/s/LAy1LKGj5HOh_e9jPgvfQw
视觉目标检测和识别之过去，现在及可能
https://mp.weixin.qq.com/s/ZHRP5xnQxex7lQJsCxwblA
深度学习目标检测的主要问题和挑战！
https://mp.weixin.qq.com/s/XbgmLmlt5X4TX5CP59gyoA
目标检测算法精彩集锦
https://mp.weixin.qq.com/s/BgTc1SE2IzNH27OC2P2CFg
CVPR-I
https://mp.weixin.qq.com/s/qMdnp9ZdlYIja2vNEKuRNQ
CVPR—II
https://mp.weixin.qq.com/s/tc1PsIoF1RN1sx_IFPmtWQ
CVPR—III
https://mp.weixin.qq.com/s/bpCn2nREHzazJYq6B9vMHg
目标识别算法的进展
https://mp.weixin.qq.com/s/YzxaS4KQmpbUSnyOwccn4A
基于深度学习的目标检测技术进展与展望
https://mp.weixin.qq.com/s/JPCQqyzR8xIUyAdk_RI5dA
RCNN, Fast-RCNN, Faster-RCNN那些你必须知道的事！
https://www.zhihu.com/question/35887527
如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法？
http://blog.csdn.net/messiran10/article/details/49132053
Caffe matlab之基于Alex network的特征提取
https://mp.weixin.qq.com/s/YovhKYeGGLqSxxSqMNsbKg
基于深度学习的目标检测学习总结
https://mp.weixin.qq.com/s/nGSaQXm8AczYodtmHD1qNA
深度学习目标检测模型全面综述：Faster R-CNN、R-FCN和SSD
https://mp.weixin.qq.com/s/c2oMJfE95I1ciEtvdTlb4A
完全脱离预训练模型的目标检测方法
https://mp.weixin.qq.com/s/NV2hWofOCractLt45-wI1A
山世光：基于深度学习的目标检测技术进展与展望
https://mp.weixin.qq.com/s/zJ3EN175_9num2OknVvnyA
邬书哲：物体检测算法的革新与传承
https://mp.weixin.qq.com/s/6rSeJOqbKyrDj3FpS8J5eg
黄李超讲物体检测
https://mp.weixin.qq.com/s/JjsAnB_OxKS1Af9XAtw5sA
一文带你读懂深度学习框架下的目标检测
https://mp.weixin.qq.com/s/66yXsRIeZdHfoZkJkci24w
地平线黄李超开讲：深度学习和物体检测！
http://blog.csdn.net/zhang11wu4/article/details/53967688
目标检测最新方法介绍
https://mp.weixin.qq.com/s/ZrZtGBxVOZmexDMw_S_Orw
TensorFlow深度学习目标检测模型及源码架构解析
https://mp.weixin.qq.com/s/A9F3UsITUaNvR69roHa0mg
结合单阶段和两阶段目标检测的优势：基于单次精化神经网络的目标检测方法
https://mp.weixin.qq.com/s/xNIPdmIJiqDg_ruwHPLEDg
深度学习目标检测从入门到精通：第一篇
http://mp.weixin.qq.com/s/kDoogc5yIeX6D4_YWC5YQA
后RCNN时代的物体检测及实例分割进展
https://mp.weixin.qq.com/s/rUMAaIJ14eEXbRmssnUK4w
基于区域的目标检测——细粒度
https://mp.weixin.qq.com/s/Oy7YAp1NoVICQZqXRz0uVg
基于深度学习的目标检测综述(一）
https://mp.weixin.qq.com/s/5zE78EU_NdV5ZeW5t1yV7A
从RCNN到SSD，这应该是最全的一份目标检测算法盘点
https://mp.weixin.qq.com/s/a1GFDzcR98b7pyJR1Gn-TA
深度学习之目标检测网络学习总结（from RCNN to YOLO V3）
https://mp.weixin.qq.com/s/_kzPi1QgwqvT4glRI-FCzg
深度学习目标检测指南：如何过滤不感兴趣的分类及添加新分类？
RCNN
《深度学习（九）》中提到的AlexNet、VGG、GoogleNet主要用于图片分类。而这里介绍的RCNN(Regions with CNN)主要用于目标检测。
车牌识别的另一种思路
在介绍RCNN之前，我首先介绍一下2013年的一个车牌识别项目的解决思路。
车牌识别差不多是深度学习应用到CV领域之前，CV领域少数几个达到实用价值的应用之一。国内在2010～2015年前后，有许多公司都做过类似的项目。其产品更是随处可见，很多停车场已经利用该技术，自动识别车辆信息。
车牌识别的难度不高——无论是目标字符集，还是目标字体，都很有限。但也有它的技术难点：
1.计算资源有限。通常就是PC，甚至嵌入式设备，不可能用大规模集群来计算。
2.有实时性的要求，通常处理时间不超过3s。
因此，如何快速的在图片中找到车牌所在区域，就成为了关键问题。
常规的做法，通常是根据颜色、形状找到车牌所在区域，但鲁棒性不佳。后来，同事L提出了改进方法：
Step 1：在整个图片中，基于haar算子，寻找疑似数字的区域。
Step 2：将数字聚集的区域设定为疑似车牌所在区域。
Step 3：投入更大运算量，以识别车牌上的文字。（这一步是常规做法。）
RCNN的基本原理
RCNN是Ross Girshick于2014年提出的深度模型。
Ross Girshick（网名：rbg），芝加哥大学博士（2012），Facebook研究员。他和何恺明被誉为CV界深度学习的双子新星。
个人主页：
http://www.rossgirshick.info/
论文：
《Rich feature hierarchies for accurate object detection and semantic segmentation》
代码：
https://github.com/rbgirshick/rcnn
RCNN相对传统方法的改进：
速度：经典的目标检测算法使用滑动窗法依次判断所有可能的区域。RCNN则(采用Selective Search方法)预先提取一系列较可能是物体的候选区域，之后仅在这些候选区域上(采用CNN)提取特征，进行判断。
训练集：经典的目标检测算法在区域中提取人工设定的特征。RCNN则采用深度网络进行特征提取。
使用两个数据库：
一个较大的识别库（ImageNet ILSVC 2012）：标定每张图片中物体的类别。一千万图像，1000类。
一个较小的检测库（PASCAL VOC 2007）：标定每张图片中，物体的类别和位置，一万图像，20类。
RCNN使用识别库进行预训练得到CNN（有监督预训练），而后用检测库调优参数，最后在检测库上评测。
这实际上就是《深度学习（十五）》中提到的fine-tuning的思想。
RCNN算法的基本流程
RCNN算法分为4个步骤：
Step 1：候选区域生成。一张图像生成1K~2K个候选区域（采用Selective Search方法）。
Step 2：特征提取。对每个候选区域，使用深度卷积网络提取特征（CNN）。
Step 3：类别判断。特征送入每一类的SVM分类器，判别是否属于该类。
Step 4：位置精修。使用回归器精细修正候选框位置。
Selective Search
论文：
《Selective Search for Object Recognition》
中文版：
http://blog.csdn.net/surgewong/article/details/39316931
http://blog.csdn.net/charwing/article/details/27180421
您的打赏，是对我的鼓励
