模型
|
實(shí)時(shí)性
|
優(yōu)點(diǎn)
|
缺點(diǎn)
|
OverFeat
|
否
|
最早使用CNN進(jìn)行特征提取
|
圖像滑窗,時(shí)間、空間開銷大
|
R-CNN
|
否
|
確定候選區(qū)域,CNN提取特征,SVM分類,性能比傳統(tǒng)算法顯著提高
|
對(duì)每個(gè)候選區(qū)域都做特征提取,時(shí)間、空間開銷大
|
SPP-Net
|
否
|
整張圖片提取特征,加快速度;SPP層,避免候選區(qū)域歸一化
|
空間開銷大
|
Fast R-CNN
|
否
|
同時(shí)完成定位和分類,節(jié)省空間
|
候選區(qū)域選取方法計(jì)算復(fù)雜,
|
Faster R-CNN
|
較差
|
真正完成端到端訓(xùn)練測(cè)試
|
模型復(fù)雜,小目標(biāo)檢測(cè)不佳,空間量化粗幢
|
R-FCN
|
較差
|
定位精度更高
|
模型復(fù)雜,計(jì)算最大
|
Mask R-CNN
|
較差
|
實(shí)例分割準(zhǔn)確、檢測(cè)精度更高
|
實(shí)例分割代價(jià)昂貴
|
YOLO
|
優(yōu)秀
|
網(wǎng)絡(luò)簡單,檢測(cè)速度優(yōu)異
|
定位準(zhǔn)確度低,小目標(biāo)、多目標(biāo)檢測(cè)效果不佳
|
SSD
|
優(yōu)秀
|
網(wǎng)絡(luò)簡單,檢測(cè)準(zhǔn)確度獲得高
|
模型難收斂,小目標(biāo)檢測(cè)效果不佳
|
YOLOv2 416
|
優(yōu)秀
|
允許用戶在精度和速度之間調(diào)整
|
使用預(yù)訓(xùn)練,難遷移
|
DSOD300
|
較好
|
不需要預(yù)訓(xùn)練
|
檢測(cè)速度
|
R-SSD
|
較好
|
小目標(biāo)檢測(cè)效果較好
|
模型計(jì)算復(fù)雜,檢測(cè)速度一般
|