每日一课 | 智慧灯杆视觉技术之对象检测技术简

3.2.2对象检测

图3-5对象检测

对象检测中的识别对象这一任务，通常会涉及为各个对象输出边界框和标签。这不同于分类/定位任务——对很多对象进行分类和定位，不仅仅是对个主体对象进行分类和定位。在对象检测中，只有两个对象分类类别，即对象边界框和非对象边界框。例如，在汽车检测中，必须使用边界框检测所给定图像中的所有汽车。

如果使用视觉技术中图像分类和定位图像这样的滑动窗口技术，需要将卷积神经网络应用于图像上的很多不同物体上。由于卷积神经网络会将图像中的每个物体识别为对象或背景，因此，需要在大量的位置和规模上使用卷积神经网络，这需要很大的计算量。

为了解决这一问题，计算机视觉技术研究人员建议使用区域（Region）这一概念，这样就会找到可能包含对象的“斑点”图像区域，运行速度就会大大提高。这是一种基于区域的卷积神经网络（R-CNN），并在此基础上提升算法收敛速度，提出了二次增强的Fast R-CNN，大大提升了对象检测速度。

近年来，主要的目标检测算法已经转向更快、更高效的检测系统。这种趋势在YouOnly Look Once（YOLO）、Single Shot MultiBox Detector（SSD）和基于区域的全卷积网络（R-FCN）算法中尤为明显。