基于神经卷积网络的目标检测算法总结课件.ppt
,基于深度卷积神经网络的监控视频目标检测算法研究2018.4.17,1,编辑版pppt,基于深度卷积神经网络的1编辑版pppt,CONTENTS,01,目标检测,02,深度学习发展史,03,基于深度卷积神经网络的监控视频目标检测算法,2,编辑版pppt,CONTENTS01目标检测02深度学习发展史03基于深度卷,1,目标检测,3,编辑版pppt,1目标检测3编辑版pppt,目标检测,基本概念,基于计算机视觉技术的目标检测就是“给定一张图像或者视频帧，找出其中所有目标的位置，并给出每个目标的具体类别”。,应用领域,智能视频监控；基于内容的图像、视频检索；基于计算机视觉的人机交互；自动驾驶等,重点,1.识别目标2.确定位置,4,编辑版pppt,目标检测基本概念基于计算机视觉技术的目标检测就是“给定一张图,2,深度学习发展史,5,编辑版pppt,2深度学习发展史5编辑版pppt,人工智能 vs 机器学习 vs 深度学习,6,编辑版pppt,人工智能 vs 机器学习 vs 深度学习6编辑版pppt,7,编辑版pppt,7编辑版pppt,3,基于深度卷积神经网络的监控视频目标检测算法,8,编辑版pppt,3基于深度卷积神经网络的8编辑版pppt,目标检测,参考论文：卷积神经网络在图像分类和目标检测应用综述_周俊宇等,9,编辑版pppt,目标检测参考论文：卷积神经网络在图像分类和目标检测应用综述_,基于区域推荐的深度卷积神经网络的物体检测算法,区域推荐算法,R-CNN,SPP-NET,Faster-R-CNN,Fast-R-CNN,R-FCN,Region Proposal,10,编辑版pppt,基于区域推荐的深度卷积神经网络的物体检测算法区域推荐算法R-,4个步骤,1.候选区域生成： 一张图像生成1K2K个候选区域 （采用Selective Search 方法）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） 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 4.位置精修： 使用回归器精细修正候选框位置,R-CNN,11,编辑版pppt,4个步骤1.候选区域生成： 一张图像生成1K2K个候选区域,改进点,在最后一个卷积层后，设计一个金字塔池化层，然后，将特征图像固定到要求的尺寸。,SPP-NET,12,编辑版pppt,改进点在最后一个卷积层后，设计一个金字塔池化层，SPP-N,改进点,1.很大程度上实现了end to end（除了region proposals的产生还是用的selective search）。2.不再是将region proposals依次通过CNN，而是直接输入原图，来提取特征（这样一张图只会CNN一次）。3.网络同时输出类别判断以及bbox回归建议（即两个同级输出），不再分开训练SVM和回归器。,Fast-R-CNN,13,编辑版pppt,改进点1.很大程度上实现了end to end（除了regi,改进点,1.卷积生成候选区域“RPN（Region Proposal Network）网络”代替了Selective Search算法2.完全实现了端到端的训练，实时检测,Faster-R-CNN,14,编辑版pppt,改进点1.卷积生成候选区域“RPN（Region Propo,改进点,将全连接层看作是整个特征图的卷积，卷积层替代了全连接层,R-FCN,15,编辑版pppt,改进点将全连接层看作是整个特征图的卷积，卷积层替代了全连接层,基于回归算法的深度卷积神经网络的物体检测算法,回归算法,YOLO,Fast-YOLO,SSD,End to End,16,编辑版pppt,基于回归算法的深度卷积神经网络的物体检测算法回归算法YOLO,改进点,仅用一个神经网络，相对于基于候选区域的2个卷积网络检测速度大大提高,YOLO,17,编辑版pppt,改进点仅用一个神经网络，相对于基于候选区域的2个卷积网络检测,改进点,以VGG-16为基础，在最后一个卷积层后额外加入卷积层，大小逐层递减，在每个卷积层上做滑动窗口，在不同尺度的特征图下找锚定框,SSD,18,编辑版pppt,改进点以VGG-16为基础，在最后一个卷积层后额外加入卷积层,小结,1.基本实现实时检测,1.只用一个神经网络，检测速度大大提高,基于候选区域方法,基于回归方法,2.同时训练2个卷积网络，仍存在训练参数多，训练时间长，网络结构复杂等问题（本质上仍用传统“三步走”思路）,2.小目标识别效果不好,19,编辑版pppt,小结1.基本实现实时检测1.只用一个神经网络，检测速度大大提,THANKYOU!,20,编辑版pppt,THANK20编辑版pppt,此课件下载可自行编辑修改，供参考！部分内容来源于网络，如有侵权请与我联系删除！,21,编辑版pppt,此课件下载可自行编辑修改，供参考！21编辑版pppt,
