隨著人工智能的興起，目標檢測算法在各行業中起的作用越來越大，怎麽落地，這是一個非常嚴峻的話題。今天看到一位大牛的分享，學習了。

把該領域的算法和歷史做個梳理。方便後續研究。

　　按照時間分類，可以把該算法分成兩類：傳統算法和CCN算法。

傳統算法：

• 級聯分類器框架：Haar/LBP/積分HOG/ACF feature+Adaboost

級聯分類器最先由Paul Viola and Michael J. Jones在CVPR 2001中提出來。

其實這就是boosting由簡單弱分類拼裝強分類器的過程，現在看起來很low，但是這個算法第一次使目標檢測成為現實！

OpenCV有對級聯分類器的經典實現：https://docs.opencv.org/2.4.11/modules/objdetect/doc/cascade_classification.html?highlight=haar

至於使用的特征，Haar簡單也夠用了，LBP實在是沒必要去扒了。。。

至於HoG/ACF，下面說。

• HoG+SVM

Histograms of oriented gradients for human detection，2005，CVPR

由於原始的Haar特征太簡單，只適合做剛性物體檢測，無法檢測行人等非剛性目標，所以又提出了HOG+SVM結構。

在OpenCV中也有實現：https://docs.opencv.org/2.4.11/modules/gpu/doc/object_detection.html?highlight=hog

之後又有人魔改出LoG/DoG/RoG等一系列特征，沒啥意思就不多說了。

值得一提的是，有人把SVM中的HoG改為Integral HoG，用於級聯分類器。這也就是目前OpenCV級聯分類器的積分HOG的原型：

Integral Histogram: A Fast Way to Extract Histograms in Cartesian Spaces

後續又有人發展出了Aggregate Channel Feature(ACF)等特征，論文主要是下面2個：

Aggregate Channel Features for Multi-view Face Detection，2014，IJCB

Fast Feature Pyramids for Object Detection，2014，PAMI

亮點就是這個Fast，加速了Integral HoG的計算，效果好而且快，依然活躍在嵌入式領域。

• Discriminatively trained deformable part models(DPM)

項目主頁：http://www.rossgirshick.info/latent/

DPM是使用彈簧模型進行目標檢測，如下圖。即進行了多尺度+多部位檢測，底層圖像特征抽取采用的是fHoG。反正也是轟動一時了。

後續又有DPM+/DPM++，沒啥意思不提也罷。

• 模版匹配：就是在一幅圖像中尋找另一幅模板圖像最匹配（也就是最相似）的部分的技術。相關的實現參考：https://www.cnblogs.com/skyfsm/p/6884253.html

CNN方法：

• 基於region proposal(two stage)：R-CNN家族，包括Faster R-CNN/Mask R-CNN/RFCN

然而DPM火了沒到2年，R-CNN家族出現了，終於不再用各種魔改版HoG特征搞檢測了！

其中R-CNN家族最有代表性的就是Faster R-CNN。Faster R-CNN由RPN網絡先產生region proposal，再對region proposals進行classification，就是所謂的two stage。

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

Mask R-CNN

其實R-CNN系列檢測關註他：Kaiming He - FAIR，完全足夠了。

• 基於回歸(one-shot)：YOLO/YOLO2/SSD/DSSD

YOLO和SSD都是產生proposal的同時進行classification+regression，一次性完成，即所謂的one-shot。相比two stage速度占優，Precision/Recall略低。

SSD：SSD: Single Shot MultiBox Detector

至於YOLO，目前有YOLO v1，YOLO 9000(v2)，YOLO v3

YOLO項目主頁（含Paper）

另外我覺得，後續版本DSSD和YOLO v2/v3之間真的沒啥差距了，感覺都一樣。

這也說明檢測已經趨於瓶頸，沒有算法突破很難像以前，一下提高幾十個點。

• 特殊的文字序列檢測：CTPN(LSTM + R-CNN)／Seglink(SSD魔改）

除了一般意義上的檢測，還有一類文字檢測，用於OCR前的文字定位。這類檢測和一般的檢測還有一點點不一樣。目前效果比較好的2種：CTPN和Seglink

Faster R-CNN的繼承：CTPN水平or豎直文字檢測

Detecting Text in Natural Image with Connectionist Text Proposal Network, ECCV, 2016.

代碼 tianzhi0549/CTPN

SSD的繼承：Seglink傾斜文字檢測

Detecting Oriented Text in Natural Images by Linking Segments，CVPR，2017

代碼 https://github.com/dengdan/seglink

當然文字檢測算法也有傳統的，比如這個OpenCV自帶：

Real-Time Scene Text Localization and Recognition, CVPR 2012

不過不建議去折騰了，沒必要。

　　總結：

　　傳統方法的優勢就是速度快，即使在嵌入式平臺也可以做到高速實時；缺點就是Precision/Recall都不是很理想，簡單說就是效果差；

CNN方法優勢就是Precision/Recall都好很多；缺點對應的，速度慢。

目前在嵌入式中，傳統算法還有一些空間，但是被Mobilenet等輕量化網絡擠壓；在服務器端，完全是深度網絡的天下了。

參考文檔：

1 https://www.zhihu.com/question/53438706

2 https://zhuanlan.zhihu.com/ML-Algorithm

目標檢測算法的歷史及分類