目标检测我来惹1 R-CNN

目标检测算法：

识别图像中有哪些物体和位置

目标检测算法原理：

 记住算法的识别流程、解决问题用到的关键技术

目标检测算法分类：

两阶段：先区域推荐ROI，再目标分类

region proposal+CNN提取分类的目标检测框架

RCNN FASTER RCNN

端到端：一个网络，输入到输出：类别加位置

yolo SSD

目标检测的任务：

分类原理：得到每个类别的概率，取最大概率

CNN--卷积神经网络

输入层+卷积、激活、池化+全连接层+输出

激活函数：relu、输出：softmax得出概率

损失函数：交叉熵损失函数--衡量

图片中只有一个目标：分类＋定位

分类评估指标：

指标	说明
分类准确率（Accuracy）	正确分类的目标数 / 所有预测目标数（仅当类别预测数量和真实相同且位置匹配时才有意义）
Precision（精确率）	预测为该类中有多少是对的
Recall（召回率）	实际该类中你检测到了多少

定位评估指标：

指标	说明
IoU（Intersection over Union）	预测框和真实框的重合度

目标框：bounding box

名称	含义
Ground Truth bounding box	人工标注框	真实值
Predicted bounding box	预测标注框	预测值
IoU交并比	真实框和预测框的重叠程度	交集/并集 重合面积除以两个框的所有面积

 

分类＋定位的思路：

让网络多输出一个全连接层

1、类别概率值 softmax--分类损失函数：交叉熵损失函数

2、输出四个位置坐标-回归损失：L2 loss

位置坐标处理：每个位置除以图像的像素值--归一化

任务阶段	是否需要归一化？
训练前准备数据	✅ 建议：提前归一化 GT 框（输入 label 时）
模型输出	✅ 输出的是 [0, 1] 范围的预测值（便于训练）

多个目标的任务！--目标检测

R-CNN基础算法

region proposal 候选区域方法

以神经网络为基础的两阶段 目标检测模型。

步骤（测试过程）

1.找出图像中可能存在的候选区域ROI，得出2000个候选区域

选择性搜索SS筛选区域

2.统一图片大小，输入CNN网络提取特征，得出2000个特征向量

使用AlexNet网络，统一候选区域大小227*227warped region

统一大小操作：crop和wrap，减少图像的变形

CNN网络提取出的特征向量保存在磁盘中

对 2000 个候选框，每个区域提一个 4096 维的特征 → 形成一个 2000 × 4096 的特征矩阵

3.20个SVM进行分类，得到2000*20的得分矩阵

SVM特征向量训练分类器：二分类

20代表数据集中需要检测20个类别，

每个分类器判断2000个候选区域的特征向量，

第一个分类器判断：是猫？不是？那是背景

第二个分类器：是狗？不是？

输出：2000 × 20 的得分矩阵（每一行是该区域对每个类别的置信度）

4.进行NMS非极大值抑制，提出候选框

NMS：筛选候选框，得到非重叠、高置信度的目标框

比较IoU >0.5删去

5.修正候选区域，对bbox回归微调

回归过程：用于修正筛选的候选区域，使它回归ground truth

线性回归：特征值是候选区域，目标值是对应的GT。

建立回归方程学习参数

 训练过程：

预训练+微调

🔹 预训练阶段：

• 用 ImageNet 数据集 训练 CNN 模型（如 AlexNet、ResNet）

• 有一个现有的模型和参数

🔹 微调阶段：

• 替换最后一层输出（从1000类 → 目标检测的20类）

• 使用 R-CNN 的候选区域图像、正负样本标签输入到model1中

• 再继续训练 CNN（特别是全连接层部分）

🔹 训练SVM特征向量分类器+bbox regressor

每个类别训练一个分类器

表现：在voc2007上准确度66%

缺点：训练阶段多；训练耗时；

总结：