接續昨天說的OD的兩種主要模型。

二階段的物件偵測演算法

R-CNN

• 架構:Selective Search+CNN+SVM
• 步驟:
  ①使用選擇性搜尋法在整個圖像內整合出2000個可能有物件存在的預選區域(RP)
  ②將這2000個尺寸大小不同的RP丟至CNN並擷取各個的RP特徵
  ③接著用SVM加以分類，辨別物件、數量、位置
  
  資料來源:https://scitechvista.nat.gov.tw/Article/C000003/detail?ID=b2b22689-9744-466c-a102-2fce20d7ab41
• 問題:效率低、耗時

Fast R-CNN

• 架構:Selective Search+CNN+ROI Pooling
• 步驟:
  ①利用CNN一次擷取整個圖像的特徵
  ②接著將每個RP在原圖的位置映射到CNN圖上獲取自己的特徵，透過一個新創的空間金字塔池化網路(Spatial Pyramid Pooling Network)中的一個池化層，將2000個不同尺寸的RP特徵向量轉化成固定的維度向量，一次輸入給CNN
• 問題:雖然比R-CNN快很多，但對即時需求來說還是不夠快

Faster R-CNN

• 架構:RPN+CNN+ROI
• 特色:利用RPN(更快速有效率提取RP特徵的CNN神經網路)加上Fast R-CNN
• 問題:效率更高，但因為是兩階段所以對即時來說還是不夠快

一階段的物件偵測演算法

YOLO(You Only Look Once)

一種OD演算法利用單一CNN，點對點可同時一次偵測一個圖像內是否有物件、其位置與大小。

資料來源:https://scitechvista.nat.gov.tw/Article/C000003/detail?ID=b2b22689-9744-466c-a102-2fce20d7ab41
步驟:
①將整個圖像分割為SxS
②以CNN掃描所有格子，各個格子負責偵測自己內部是否有物件
③物件✅➜每個格子利用數個邊界框來試圖正確涵蓋所發現到的物件(此為不斷訓練學習，而預測出來的)
④利用交並集(Intersection Over Union,IOU)來選擇涵蓋正確率最高的預測邊界框:IOU(A,B)=((A∩B)/(A∪B))
IOU=1 ➜預測的邊界框與實際物件重疊率100%，完全涵蓋所要預測的物件
IOU=0.1 ➜預測的邊界框與實際物件重疊率10%，10%物件被涵蓋到而已
IOU必須大於0.5➜才會選擇來判斷物件的種類
⑤輸出位置、尺寸、分類與其為此分類的概率

參考來源:人工智慧:概念應用與管理 林東清