- 滑窗（SW）：其基本原理就是采用不同大小和比例（寬高比）的窗口在整張圖片上以一定的步長進(jìn)行滑動，然后對這些窗口對應(yīng)的區(qū)域做圖像分類，這樣就可以實(shí)現(xiàn)對整張圖片的檢測了。
缺點(diǎn)：致命的缺點(diǎn)就是你并不知道要檢測的目標(biāo)大小是什么規(guī)模，所以你要設(shè)置不同大小和比例的窗口去滑動，而且還要選取合適的步長。但是這樣會產(chǎn)生很多的子區(qū)域，并且都要經(jīng)過分類器去做預(yù)測，這需要很大的計算量，所以你的分類器不能太復(fù)雜，因?yàn)橐ＷC速度。
2.CNN：實(shí)現(xiàn)更高效的滑動窗口方法，網(wǎng)絡(luò)中用卷積層代替了全連接層，一次CNN計算就可以實(shí)現(xiàn)窗口滑 動的所有子區(qū)域的分類預(yù)測，圖片的空間位置信息的不變性，盡管卷積過程中圖片大小減少，但是位置對應(yīng)關(guān)系還是保存的。
缺點(diǎn)：固定大小與步長的窗口，定位不夠準(zhǔn)確，定位框形狀固定。
3.YOLO算法：把圖像劃分為NXN個小區(qū)域，以小區(qū)域?yàn)閱挝唤o目標(biāo)設(shè)定一個（BX5+C）個值的標(biāo)簽，5包括：置信度，x，y，w，h；C是要檢測的目標(biāo)類別。最后卷積產(chǎn)生形狀為NXNX（BX5+C）大小的張量來擬合各個小區(qū)域的目標(biāo)標(biāo)簽。解決了定位框大小固定的問題。
缺點(diǎn)：一個單元格內(nèi)存在多個目標(biāo)，這時候Yolo算法就只能選擇其中一個來訓(xùn)練；Yolo各個單元格僅僅預(yù)測兩個邊界框，而且屬于一個類別；對于小物體，Yolo的表現(xiàn)會不如人意。這方面的改進(jìn)可以看SSD，其采用多尺度單元格。也可以看Faster R-CNN，其采用了anchor boxes。Yolo對于在物體的寬高比方面泛化率低，就是無法定位不尋常比例的物體。當(dāng)然Yolo只使用NXN的網(wǎng)格，定位不準(zhǔn)確也是很大的問題。
4.區(qū)域連通分析（CC）：對象是一張二值化后的圖像。
有兩種方法：Two-Pass和Seed-Filling。Seed-Filling：
1）掃描圖像，直到當(dāng)前像素點(diǎn)B(x,y) == 1：
a、將B(x,y)作為種子（像素位置），并賦予其一個label，然后將該種子相鄰的所有前景像素都壓入棧中；
b、彈出棧頂像素，賦予其相同的label，然后再將與該棧頂像素相鄰的所有前景像素都壓入棧中；
c、重復(fù)b步驟，直到棧為空；
此時，便找到了圖像B中的一個連通區(qū)域，該區(qū)域內(nèi)的像素值被標(biāo)記為label；
2）重復(fù)第（1）步，直到掃描結(jié)束；
掃描結(jié)束后，就可以得到圖像B中所有的連通區(qū)域；
5.多尺度候選區(qū)域的方法：
R-CNN：Selective Search得到大小不以的候選區(qū)域-->針對每個候選區(qū)域做warp縮放成統(tǒng)一大小的候選區(qū)域-->針對每個區(qū)域做CNN提取特征,并保存到硬盤-->SVM對各個候選區(qū)域特征做分類。
缺點(diǎn)：非端到端，做warp圖像失真，Selective Search和對每一個候選區(qū)域做CNN導(dǎo)致速度慢。
Fast R-CNN：Selective Search得到大小不以的候選區(qū)域-->針對原圖做CNN提取全圖特征-->全圖特征對候選區(qū)做映射，得到各個候選區(qū)特征-->針對大小不一的候選區(qū)做ROI Pooling（SPP Net）將候選區(qū)特征大小統(tǒng)一-->Linear+softmax分類+Bounding-box regression。
ROI pooling具體操作如下：
（1）根據(jù)輸入image，將ROI映射到feature map對應(yīng)位置；
（2）將映射后的區(qū)域劃分為相同大小的sections（sections數(shù)量與輸出的維度相同）；
（3）對每個sections進(jìn)行max pooling操作；
缺點(diǎn)：Selective Search仍然慢
6.YOLO的回歸思想速度快但定位精度不算高，候選區(qū)方法（Region Proposal）精度高但速度不是特別快，把兩者結(jié)合-->SSD，精度高VOC2007上mAP達(dá)到72.1%，在GPU上58幀每秒。
SSD算法步驟：
1. 輸入一幅圖片（200x200），將其輸入到預(yù)訓(xùn)練好的分類網(wǎng)絡(luò)中來獲得不同大小的特征映射，修改了傳統(tǒng)的VGG16網(wǎng)絡(luò)；將VGG16的FC6和FC7層轉(zhuǎn)化為卷積層，如圖1上的Conv6和Conv7；去掉所有的Dropout層和FC8層；添加了Atrous算法（hole算法）；將Pool5從2x2-S2變換到3x3-S1；
- 抽取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2層的feature map，然后分別在這些feature map層上面的每一個點(diǎn)構(gòu)造6個不同尺度大小的BB，然后分別進(jìn)行檢測和分類，生成多個BB，如圖1所示；
3. 將不同feature map獲得的BB結(jié)合起來，經(jīng)過NMS（非極大值抑制）方法來抑制掉一部分重疊或者不正確的BB，生成最終的BB集合（即檢測結(jié)果）；
訓(xùn)練過程中：
1.數(shù)據(jù)增強(qiáng)：旋轉(zhuǎn)，放大，縮小等；
Hard Negative Mining技術(shù)
一般情況下negative default boxes數(shù)量是遠(yuǎn)大于positive default boxes數(shù)量，如果隨機(jī)選取樣本訓(xùn)練會導(dǎo)致網(wǎng)絡(luò)過于重視負(fù)樣本（因?yàn)槌槿〉截?fù)樣本的概率值更大一些），這會使得loss不穩(wěn)定。因此需要平衡正負(fù)樣本的個數(shù)，我們常用的方法就是Hard Ngative Mining，即依據(jù)confidience score對default box進(jìn)行排序，挑選其中confidience高的box進(jìn)行訓(xùn)練，將正負(fù)樣本的比例控制在positive：negative=1：3，這樣會取得更好的效果。如果我們不加控制的話，很可能會出現(xiàn)Sample到的所有樣本都是負(fù)樣本（即讓網(wǎng)絡(luò)從這些負(fù)樣本中找正確目標(biāo)，這顯然是不可以的），這樣就會使得網(wǎng)絡(luò)的性能變差。匹配策略（即如何重多個default box中找到和ground truth最接近的box）
首先，尋找與每一個ground truth有最大的IoU的default box，這樣就能保證ground truth至少有default box匹配；SSD之后又將剩余還沒有配對的default box與任意一個ground truth嘗試配對，只要兩者之間的IoU大于閾值（SSD 300 閾值為0.5），就認(rèn)為match；配對到ground truth的default box就是positive，沒有配對的default box就是negative。
總之，一個ground truth可能對應(yīng)多個positive default box，而不再像MultiBox那樣只取一個IoU最大的default box。其他的作為負(fù)樣本（每個default box要么是正樣本box要么是負(fù)樣本box）。
SSD論文貢獻(xiàn)：
1. 引入了一種單階段的檢測器，比以前的算法YOLO更準(zhǔn)更快，并沒有使用RPN和Pooling操作；
2. 使用一個小的卷積濾波器應(yīng)用在不同的feature map層從而預(yù)測BB的類別的BB偏差；
3. 可以在更小的輸入圖片中得到更好的檢測效果（相比Faster-rcnn）；
4. 在多個數(shù)據(jù)集（PASCAL、VOC、COCO、ILSVRC）上面的測試結(jié)果表明，它可以獲得更高的mAp值；
Faster-rcnn與SSD比較：
如圖所示，對于BB的生成，F(xiàn)aster-rcnn和SSD有不同的策略，但是都是為了同一個目的，產(chǎn)生不同尺度，不同形狀的BB，用來檢測物體。對于Faster-rcnn而言，其在特定層的Feature map上面的每一點(diǎn)生成9個預(yù)定義好的BB，然后進(jìn)行回歸和分類操作進(jìn)行初步檢測，然后進(jìn)行ROI Pooling和檢測獲得相應(yīng)的BB；而SSD則在不同的特征層的feature map上的每個點(diǎn)同時獲取6個不同的BB(6種滑窗)，然后將這些BB結(jié)合起來，最后經(jīng)過NMS處理獲得最后的BB。
非極大值抑制的方法是：先假設(shè)有6個矩形框，根據(jù)分類器的類別分類概率做排序，假設(shè)從小到大屬于車輛的概率 分別為A、B、C、D、E、F。
(1)從最大概率矩形框F開始，分別判斷A~E與F的重疊度IOU是否大于某個設(shè)定的閾值;
(2)假設(shè)B、D與F的重疊度超過閾值，那么就扔掉B、D；并標(biāo)記第一個矩形框F，是我們保留下來的。
(3)從剩下的矩形框A、C、E中，選擇概率最大的E，然后判斷E與A、C的重疊度，重疊度大于一定的閾值，那么就扔掉；并標(biāo)記E是我們保留下來的第二個矩形框。
就這樣一直重復(fù)，找到所有被保留下來的矩形框。
