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