基于深度学习的目标检测算法 (R-CNN & YOLO)
令和8年1月8日|p.18
左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。
### 2.2.2.1 R-CNN系列算法
R-CNN（Region-based Convolutional Neural Networks）系列算法是最早提出的基于深度学习的目标检测算法之一。该系列算法主要包括R-CNN、Fast R-CNN、Faster R-CNN等。这些算法的核心思想是先通过选择性搜索（Selective Search）等方法生成候选区域，然后利用CNN对每个候选区域进行特征提取和分类。
图2-1 R-CNN系列算法流程图
R-CNN系列算法的优点是可以充分利用CNN的强大特征提取能力，提高检测精度。然而，由于需要先生成候选区域，再进行特征提取和分类，导致计算量较大，检测速度较慢。此外，R-CNN系列算法还需要大量的标注数据来进行训练，这在实际应用中可能会受到限制。
### 2.2.2.2 YOLO系列算法
YOLO（You Only Look Once）系列算法是一种端到端的目标检测算法，它将目标检测问题转化为一个回归问题。YOLO算法将输入图像划分为S×S的网格，每个网格负责预测B个边界框及其置信度和C个类别概率。通过这种方式，YOLO算法可以在一次前向传播中完成所有目标的检测和分类。
图2-2 YOLO算法原理图
YOLO系列算法的优点是检测速度快，适合实时应用场景。然而，由于YOLO算法将目标检测问题转化为回归问题，导致其对小目标和密集目标的检测效果较差。此外，YOLO算法的训练过程较为复杂，需要精心设计损失函数和优化策略。