深度学习---目标检测理论笔记

主要内容来自于对 “专知深度学习-高君宇” 教学资料的梳理笔记 和 来自互联网知识的辅助理解，感谢。

---

目标检测 就是在一张图片中找到所有的物体并且给出其类别和边框（bounding box），如图。

早期的目标检测有很多模型，典型的有基于部件的模型（DPM），Pedro F在2010年提出来的利用HOG对多精度下的图片进行特征提取，然后将特征转换成响应信号，进行响应集成，最终获得目标检测框。

HOG：方向梯度直方图，常用于图像特征提取（与LBP,Harr并称图像特征提取三大法宝，哈哈），经常配合SVM使用解决图像识别问题。有几个博客写的很详细：

https://www.cnblogs.com/zhehan54/p/6723956.html 

https://blog.youkuaiyun.com/coming_is_winter/article/details/72850511

随着科技的发展，图片的获取变得便捷，数据量的大幅上升，在数据驱动下，目标检测的方法逐渐向深度学习神经网