目标检测综述
文章目录
1. 问题定义
目标检测是在图片中对可变数量的目标进行查找和分类。
- 目标种类与数量问题
- 目标尺度问题
- 外在环境干扰问题

2. 对比
目标检测 vs 图像分类

目标检测 vs 目标分割

3. 目标检测方法
传统目标检测方法到深度学习目标检测方法的变迁

3.1 传统目标检测方法
分类:
- Viola-Jones
- HOG + SVM
- DPM (巅峰)
传统目标检测方法缺点:
- 特征难以设计
- 特征不鲁棒,效率存在瓶颈
- 滑动窗口提取策略非常繁琐
算法基本流程:

3.2 深度学习目标检测方法
分类:
- One-stage (YOLO/SSD系列)
- Two-stage (Faster RCNN系列)

3.3 传统 vs 深度学习 目标检测方法
传统:
- 手动设计特征
- 滑动窗口
- 传统分类器
- 多步骤
- 准确度和实时性差
深度学习:
- 深度网络学习特征
- Proposal或者直接回归
- 深度网络
- 端到端
- 准确度高和实时性好
4. 应用场景



评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论