CV物体检测与目标检测----概述与R-CNN

第一部分：简介

项目架构：

数据采集层：数据标注、数据存储
深度模型层：数据预处理、多GPU模型训练
用户层：网页、小程序，获取识别检测结果

图像识别三大任务：

目标识别:只有一个物体，分类，定性目标，确定目标是什么；
目标检测:有多个物体，定位目标，确定目标是什么以及位置；
目标分割:像素级的对前景与背景进行分类，将背景剔除。

目标检测任务描述

1.算法分类
模型训练：加入全连接层，通过softmax进行概率计算，交叉熵损失衡量。
1)两步走的目标检测:先进行区域推荐，而后进行目标分类，如R-CNN、SPP-net、Fast R-CNN、Faster R-CNN。
2)端到端的目标检测:采用一个网络一步到位，如YOLO、SSD。

2.常见指标IoU（Intersection over union，交并比）
bounding box（bbox）----目标标记框
Ground-truth bounding box----图片当中真实标记的框
Predicted bounding box----预测的时候标记的框
LoU即真实框与预测框的交集并集之比----IOU=(A∩B)/(A∪B)

第二部分：R-CNN

一.Overfeat模型

由于目标检测中，一张图片可能有多个物体，所以不适用简单的图片分类。Overfeat模型的思路是，对于输入的一张图片，设置k个大小形状不同的滑动窗口，对于每个滑动窗口，依次从图片的左上角按行按列滑动，得到m