3.2.2對象檢測

圖3-5對象檢測

對象檢測中的識別對象這一任務，通常會涉及為各個對象輸出邊界框和標簽。這不同于分類/定位任務——對很多對象進行分類和定位，不僅僅是對個主體對象進行分類和定位。在對象檢測中，只有兩個對象分類類別，即對象邊界框和非對象邊界框。例如，在汽車檢測中，必須使用邊界框檢測所給定圖像中的所有汽車。

如果使用視覺技術中圖像分類和定位圖像這樣的滑動窗口技術，需要將卷積神經網絡應用于圖像上的很多不同物體上。由于卷積神經網絡會將圖像中的每個物體識別為對象或背景，因此，需要在大量的位置和規模上使用卷積神經網絡，這需要很大的計算量。

為了解決這一問題，計算機視覺技術研究人員建議使用區域（Region）這一概念，這樣就會找到可能包含對象的“斑點”圖像區域，運行速度就會大大提高。這是一種基于區域的卷積神經網絡（R-CNN），并在此基礎上提升算法收斂速度，提出了二次增強的Fast R-CNN，大大提升了對象檢測速度。

近年來，主要的目標檢測算法已經轉向更快、更高效的檢測系統。這種趨勢在YouOnly Look Once（YOLO）、Single Shot MultiBox Detector（SSD）和基于區域的全卷積網絡（R-FCN）算法中尤為明顯。