最适合R-CNN，快速R-CNN，更快的R-CNN和YOLO之间的对象定位

Question

R-CNN，快速R-CNN，快速R-CNN和YOLO在以下方面有什么区别：（1）同一图像集的精度（2）给定相同的图像大小，运行时间（3）支持android移植

考虑这三个标准，哪个是最佳对象定位技术？

Answer 1

R-CNN是所有提到的算法的爸爸算法，它确实为研究人员提供了在其之上构建更复杂，更好的算法的途径。

R-CNN或基于区域的卷积神经网络

R-CNN包含3个简单步骤：

快速R-CNN紧随其后。借助以下几点，快速R-CNN变得更快，更好：

直观地讲，删除2000个conv图层并进行一次卷积并在其之上制作框是很有意义的。

Fast R-CNN的缺点之一是缓慢的选择性搜索算法，而Faster R-CNN引入了一种称为区域提议网络（RPN）的东西。

这是RPN的工作：

在初始CNN的最后一层，一个3x3滑动窗口在特征图上移动并将其映射到较低维度（例如256-d）。对于每个滑动窗口位置，它会基于k个固定比例的锚点生成多个可能的区域框（默认边界框）

每个区域提案包括：

换句话说，我们查看最后一个特征图中的每个位置，并考虑以k为中心的k个不同的框：一个高框，一个宽框，一个大框等。对于每个框，我们输出是否我们认为它包含一个对象，以及该框的坐标。这是一个滑动窗口位置的外观：

2k分数表示k个边界框在“对象”上的每一个的softmax概率。请注意，尽管RPN输出边界框坐标，但它并未尝试对任何潜在对象进行分类：其唯一的工作仍然是提出对象区域。如果锚点框的“客观性”分数高于某个阈值，则该框的坐标将作为区域建议而向前传递。

一旦有了我们的区域提议，我们就将它们直接馈入实质上的Fast R-CNN。我们添加了一个池化层，一些完全连接的层，最后是一个softmax分类层和包围盒回归器。从某种意义上说，更快的R-CNN = RPN +快速R-CNN。

YOLO使用单个CNN网络使用边界框对对象进行分类和定位。这是YOLO的体系结构：

最后，您将得到一个形状为1470的张量，即7 * 7 * 30，CNN输出的结构将是：

1470矢量输出分为三个部分，分别给出概率，置信度和方框坐标。这三个部分的每一个还进一步分为49个小区域，对应于形成原始图像的49个像元的预测。

在后处理步骤中，我们从网络输出1470矢量，以生成概率高于特定阈值的框。

希望您对这些网络有所了解，并回答有关这些网络的性能有何不同的问题：

在同一数据集上：“您可以确保这些网络的性能按提及的顺序进行，其中YOLO是最好的，而R-CNN是最差的”
给定SAME IMAGE SIZE，运行时间：更快的R-CNN实现了更好的速度和最先进的精度。值得注意的是，尽管未来的模型在提高检测速度方面做了很多工作，但很少有模型能够在很大程度上超越Faster R-CNN。更快的R-CNN可能不是最简单或最快的对象检测方法，但它仍然是性能最好的方法之一。但是，研究人员已经将YOLO用于视频分割，而到目前为止，它是视频分割中最好，最快的。
支持android移植：据我所知，Tensorflow有一些android API可以移植到android，但是我不确定这些网络的性能如何，甚至您是否可以移植。再次受到硬件和data_size的影响。您能否提供硬件和尺寸，以便我能够清楚地回答。

由@A_Piro标记的youtube视频也给出了很好的解释。

PS我从Joyce Xu Medium博客借了很多资料。

Answer 2

A. *_*iro 3

如果您对这些算法感兴趣，您应该看看本课，其中介绍了您命名的算法：https://www.youtube.com/watch?v =GxZrEKZfW2o 。

PS：如果我没记错的话还有一个Fast YOLO哈哈！