基于CNN的单阶段目标检测器

You Only Look Once (YOLO)


YOLO是在2015年R. Joseph提出的,在深度学习时期,它是第一个单阶段检测器。YOLO是很快的:YOLO的快速版本可以在VOC07上以mAP=52.7%的准确度跑到155fps,其加强版可以在VOC07以mAP=63.4%和VOC12以mAP=57.9%的准确率跑到45fps。


YOLO是You Only Look Once的缩写,从它的名字可以看出,作者作者已经完全舍弃了之前的检测范式:提议检测 + 验证。然而,它遵循了一个完全不同的哲学,即将一个单神经网络应用到整张图像上。这个网络将图像划分不同成不同的区域,然后同时对每个区域的bounding box和可能性作出预测。R. Joseph基于YOLO作出了一些列的改进,已经提出的v2和v3版本在保持很高的检测速度的情况下,更进一步提高了检测的准确度。


尽管检测速度的很大提高,但是相比于两阶段检测器,其定位的准确性有一定的下降,尤其是对于一些小目标。YOLO随后的版本和后边提出的SSD开始聚焦这个问题。

Single Shot MultiBox Dector(SSD)


SSD是在2015年提出来的,它是第二个在深度学习时期的单阶段检测器。SSD的主要贡献是多参考和多分辨率检测技术的引进,其能够很大的提高单阶段检测器的检测准确度,尤其对于小目标(VOC07 mAP=76.8%, VOC12 mAP=74.9%, COCO mAP@.5=46.5%, mAP@[.5,.95]=26.8%, 快速版本可以跑到59fps)。


SSD与之前检测器最大的不同是,SSD在网络中不同层上检测不同尺度的目标,而后者则是仅仅在顶层进行检测。


RetinaNet


尽管单阶段检测器的高速度和简单性,但是其准确性在几年内都不及两阶段检测器。后来,T.-Y. Lin等发现了其背后的原因,并在2017年提出了RetinaNet。他们声称,在密集检测器训练中碰到的前景-背景类及其不平衡是最主要的原因。

为了解决这个问题,通过对标准交叉熵的改进,一个命名为“focal loss”的新损失函数在RetinaNet中被引进,所以检测器在训练中将更多的关注那些难分和错误分类的样本,进而实现两阶段检测器相当的准确度,同时也保持比较高的检测速度(COCO mAP@.5=59.1%, mAP@[.5, .95]=39.1%)。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,794评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,050评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,587评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,861评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,901评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,898评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,832评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,617评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,077评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,349评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,483评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,199评论 5 341
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,824评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,442评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,632评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,474评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,393评论 2 352