基于深度学习的目标常用框架

基于深度学习的目标常用框架

基于深度学习的目标检测总体上分为两派：

1. 基于区域提名的R-CNN系列；

2. 无需区域提名的YOLO、SSD系列。

表1大致对比了各种方法的性能（Fps，每秒帧数）和VOC
2007上的MAP对比。注意相关数据搜集自不同的paper，由于评测硬件和环境等区别，数据仅供参考，不具有绝对对比意义。

表1 不同目标检测算法的指标对比

注：数据取自各自paper，由于评测硬件和环境等区别，数据并不具有绝对对比意义，仅供参考。

| Fps | VOC 2007
—|—|—
Overfeat | 0.5 |
R-CNN | 0.077 | 48-66%
SPP-net | | 63.1-82.4%
Fast R-CNN | | 66.9%-70%
Faster R-CNN | 15(ZF Model) | 73.2%-85.6%
R-FCN | 6 | 83.6%
YOLO | 45-150 | 58.8%
SSD | 58-72 | 75.1%