awesome-object-detection darknet c实现的卷积神经网络 labelImg 图像标记
目标检测(Object Detection):任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小
- 精度(mAP)
- 速度(FPS)
- 分类-Classification:解决“是什么?”的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。
- 定位-Location:解决“在哪里?”的问题,即定位出这个目标的的位置。
- 检测-Detection:解决“是什么?在哪里?”的问题,即定位出这个目标的的位置并且知道目标物是什么。
- 分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每一个像素属于哪个目标物或场景”的问题。
- two-stage:1.区域推荐 2.目标分类
- R-CNN
- Fast R-CNN:通过添加ROI Pooling层来减少冗余计算
- Faster R-CNN:通过RPN网络进行区域推荐
- one-stage:一个网络一步到位
- YOLO:
- SSD:综合高低层进行检测,兼顾速度和精度
边界框 * IoU 来确定预测位置的精度