26、边缘环境下的目标检测：算法与用例的比较研究

边缘环境下的目标检测：算法与用例的比较研究

1. 目标检测简介

随着自动驾驶汽车、增强现实和自动监控等应用的出现，对图像和视频的重要特征进行处理、感知和利用的需求显著增加。这些应用主要基于视觉识别问题，如图像中物体的分类、分类后物体的定位，以及语义和实例分割。

• 图像分类 ：识别图像中存在的不同类型的物体，并分配分类标签。它是计算机视觉的一种应用，用于根据视觉信息对图像或物体进行分类，广泛应用于自动驾驶汽车、视觉搜索引擎、癌症诊断等领域。
• 目标检测 ：对物体进行分类，并使用边界框显示每个物体的位置。它与其他视觉识别问题类似，有助于理解和分析图像和视频。其独特之处在于能够定位图像中的物体、进行多类分类、统计每个物体类别的实例数量，并跟踪这些物体，不受形状、大小、遮挡和光照的影响。
• 语义分割 ：处理每个像素并根据其分类类别进行分类，但不区分每个类别的物体实例。
• 实例分割 ：区分每个物体和每个分类类别。

目标检测在计算机和机器视觉中起着关键作用，甚至可以被视为机器人视觉的第一步。例如，在自动驾驶汽车中，目标检测算法会感知环境，就像人类在驾驶时眼睛和大脑处理道路视图一样。在识别交通信号的位置后，会对信号进行处理，然后确定自动驾驶汽车要执行的动作。

2. 目标检测算法

目标检测算法主要分为两大类：传统/非神经网络方法和基于神经网络的算法。

2.1 传统/非神经网络方法