目标检测

定义 输入图像中往往有很多物体，目的是判断出物体出现的位置与类别，是计算机视觉中非常核心的一个任务。 一般会输出如下5个value： 物体类别class bounding box左上角x坐标x bounding box左上角y坐标y bounding box右下角x坐标x bounding box右下角y坐标y。 传统算法 传统算法对于目标检测通常分为3个阶段： 1.区域选取 首先选取图像中可能出现物体的位置，由于物体位置、大小都不固定，因此传统算法通常使用滑动窗口（Sliding Windows）算法，但这种算法会存在大量的冗余框，并且计算复杂度高。 2.特征提取 在得到物体位置后，通常使用人工精心设计的提取器进行特征提取，如SIFT和HOG等。由于提取器包含的参数较少，并且人工设计的鲁棒性较低，因此特征提取的质量并不高。 3.特征分类 对上一步得到的特征进行分类，通常使用如SVM、AdaBoost的分类器。 基于深度学习的目标检测算法 分类 1.两步 如下两步： 进行区域生成，该区域称之为region proposal（简称RP，一个有可能包含待检物体的预选框） 通过卷积神经网络进行样本分类 任务流程：特征提取 &#8...