深度学习和OpenCV的对象检测(MobileNet SSD图像识别)

基于深度学习的对象检测时，我们主要分享以下三种主要的对象检测方法：

• Faster R-CNN(后期会来学习分享)
• 你只看一次（YOLO，最新版本YOLO3,后期我们会分享）
• 单发探测器（SSD，本节介绍，若你的电脑配置比较低，此方法比较适合

R-CNN是使用深度学习进行物体检测的训练模型; 然而，这种技术很难理解,难以实施，并且难以训练。

如果我们只追求速度，那么我们倾向于使用YOLO，因为这个算法要快得多，但是识别物体位置精准性差，召回率低

R-CNN 与YOLO各有自己的优缺点，由谷歌开发的SSD是两者之间的平衡。

MobileNets：高效（深层）神经网络

在构建对象检测网络时，通常使用现有的网络架构，例如VGG或ResNet，然后在对象检测管道中使用它。问题是这些网络架构可能非常大，大约为200-500MB。

相反，我们可以使用MobileNets，Google在2017年提出的适用于手机端的神经网络模型。我们将这些网络称为“MobileNets”，因为它们专为资源受限的设备而设计。MobileNets与传统CNN的区别，主要使用了深度可分离卷积Depthwise Separable Convolution 将卷积核进行分解计算来减少计算量

引入了两个