2.2.2.Phân loại
Các phương pháp giải quyết bài toán Phát hiện đối tượng được chia thành 2 nhóm chính:
• Phương pháp phát hiện đối tượng 1 giai đoạn (one-stage/single-stage object detection/detector): Đây là phương pháp mà trong việc thiết kế mơ hình khơng có phần trích xuất các vùng có khả năng chứa đối tượng (RoI) như RPN của Faster-RCNN. Các mơ hình 1 giai đoạn xem việc định vị đối tượng như 1 bài tốn regression (với 4 thơng số, ví dụ như x, y, w, h) và cũng dựa trên các anchor để phát hiện đối tượng. Các mơ hình loại này thường nhanh nhưng độ chính xác lại kém hơn phương pháp 2 giai đoạn và thường được dùng để nhận dạng đối tượng. Mơ hình tiêu biểu: You Only Look Once (YOLO), Single Shot MultiBox Detector (SSD), RetinaNet…
• Phương pháp phát hiện đối tượng 2 giai đoạn (two-stage object detection/detector): Đây là phương pháp mà mơ hình sẽ thực hiện 2 phần gồm trích xuất các vùng trên ảnh có khả năng chứa đối tượng dựa vào các anchor box, sau đó sẽ thực hiện tiếp phân loại đối tượng và xác định vị trí nhờ vào việc chia làm 2 nhánh tại phần cuối của mơ 1 Nguồn: https://medium.com/zylapp/review-of-deep-learning-algorithms-for-object-detection-c1f3d437b852
11
hình (Object Classification và Bounding Box Regression). Các mơ hình này được dùng để giải quyết các bài toán định vị và nhận diện vật thể tĩnh (hình ảnh) do yêu cầu cao về độ chính xác nhưng khơng yêu cầu quá cao về tốc độ. Mơ hình tiêu biểu: Region-Based Convolutional Neural Networks (Các mơ hình thuộc họ R-CNN).
2.3.Phương pháp rút trích đặc trưng dựa trên học sâu 2.3.1.Deep Neural Network 2.3.1.Deep Neural Network
Mạng nơ-ron nhân tạo (Artificial neural network/Deep neural network – ANN/DNN hay Neural network – NN) là một mơ hình lấy cảm hứng từ mạng nơ- ron thần kinh, hoạt động theo hướng mô tả hoạt động của hệ thần kinh với các nơ- ron được kết nối với nhau.