基于深度学习的对象检测时，我们主要分享以下三种主要的对象检测方法：
- Faster R-CNN(后期会来学习分享)
- 你只看一次（YOLO，最新版本YOLO3,后期我们会分享）
- 单发探测器（SSD，本节介绍，若你的电脑配置比较低，此方法比较适合
R-CNN是使用深度学习进行物体检测的训练模型; 然而，这种技术很难理解,难以实施，并且难以训练。
如果我们只追求速度，那么我们倾向于使用YOLO，因为这个算法要快得多，但是识别物体位置精准性差，召回率低
R-CNN 与YOLO各有自己的优缺点，由谷歌开发的SSD是两者之间的平衡。
MobileNets：高效（深层）神经网络
在构建对象检测网络时，通常使用现有的网络架构，例如VGG或ResNet，然后在对象检测管道中使用它。问题是这些网络架构可能非常大，大约为200-500MB。
相反，我们可以使用MobileNets，Google在2017年提出的适用于手机端的神经网络模型。我们将这些网络称为“MobileNets”，因为它们专为资源受限的设备而设计。MobileNets与传统CNN的区别，主要使用了深度可分离卷积Depthwise Separable Convolution 将卷积核进行分解计算来减少计算量文章来源：https://www.toymoban.com/news/detail-640914.html
引入了两个文章来源地址https://www.toymoban.com/news/detail-640914.html
到了这里，关于深度学习和OpenCV的对象检测(MobileNet SSD图像识别)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
