【计算机视觉面经四】基于深度学习的目标检测算法面试必备(RCNN~YOLOv5)

文章目录

    • 一、前言
    • 二、两阶段目标检测算法
      • 2.1 RCNN
      • 2.2 Fast-RCNN
      • 2.3 Faster R-CNN
    • 三、多阶段目标检测算法
      • 3.1 Cascade R-CNN
    • 四、单阶段目标检测算法
      • 4.1 编码方式
        • 4.1.1 基于中心坐标
          • 4.1.1.1 方案1
          • 4.1.1.2 方案2
          • 4.1.1.3 方案3
      • 4.2 YOLOv1
      • 4.3 SSD
      • 4.4 YOLOv2
      • 4.5 RetinaNet
      • 4.6 YOLOv3
      • 4.7 YOLOv4
      • 4.8 YOLOv5

【计算机视觉面经四】基于深度学习的目标检测算法面试必备(RCNN~YOLOv5)_第1张图片

一、前言

目标检测算法主要包括:【两阶段】目标检测算法、【多阶段】目标检测算法、【单阶段】目标检测算法。

什么是两阶段目标检测算法,与单阶段目标检测有什么区别?

两阶段目标检测算法因需要进行两阶段的处理:1)候选区域的获取,2)候选区域分类和回归,也称为基于区域(Region-based)的方。

与单阶段目标检测算法的区别:通过联合解码同时获取候选区域、类别。

什么是多阶段目标检测算法?

【两阶段】和【多阶段】目标检测算法统称级联目标检测算法,【多阶段】目标检测算法通过多次重复进行步骤:1)候选区域的获取,2)候选区域分类和回归,反复修正候选区域。

你可能感兴趣的:(计算机视觉面经总结,计算机视觉,深度学习,目标检测,YOLO,RCNN)