目标检测基础知识

最新推荐文章于 2025-06-10 15:07:17 发布
最新推荐文章于 2025-06-10 15:07:17 发布
阅读量2.7k 收藏 12
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/attitude_yu/article/details/80727122
本文详细介绍了目标检测的基本概念、发展历程，包括传统方法、两阶段和单阶段检测器。探讨了常用数据集如Pascal VOC和ILSVRC，以及有监督预训练在解决小样本问题中的应用。此外，还讲解了Selective Search算法、感受野、模型评价指标如F1分数、ROC曲线和AP/mAP等关键概念，最后提到了非极大值抑制和边框回归在提升检测效果中的作用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 目标检测

  “目标检测”主要解决两个问题：图像上多个目标在哪里（位置），是什么（类别）

人们一般把其发展历程分为3个阶段： 

  a.传统的目标检测方法 

  b.两阶段检测器

  以R-CNN为代表的结合region proposal和CNN分类的目标检测框架(R-CNN, SPP-NET, Fast R-CNN,Faster R-CNN, R-FCN)

  c. 单阶段检测器

    以YOLO为代表的将目标检测转换为回归问题的端到端（End-to-End）的目标检测框架(YOLO, SSD)

2. 常用数据集

Pascal VOC 2012、PascalVOC 2007、ILSVRC 2012

ILSVRC 2012样本集上仅有图像类别标签，没有图像物体位置标注；

PASCAL VOC 2007样本集上既有图像中物体类别标签，也有图像中物体位置标签；

3. 有监督预训练

  也称之为迁移学习，举例说明：若有大量标注信息的人脸年龄分类的正负样本图片，利用样本训练了CNN网络用于人脸年龄识别；现在要通过人脸进行性别识别，那么就可以去掉已经训练好的人脸年龄识别网络CNN的最后一层或几层，换成所需要的分类层，前面层的网络参数直接使用为初始化参数，修改层的网络参数随机初始化，再利用人脸性别分类的正负样本图片进行训练，得到人脸性别识别网络，这种方法就叫做有监督预训练。

  这种方式可以很好地解决小样本数据无法训练深层CNN网络的问题，我们都知道小样本数据训练很容易造成网络过拟合

最低0.47元/天 解锁文章

200万优质内容无限畅学
YOLO算法：关于目标检测的基础知识（小白入门必读）
突然好想你
09-24 3085
目标检测是计算机视觉领域中的一项任务，旨在自动识别和定位图像或视频中的特定目标，目标可以是人、车辆、动物、物体等。目标检测的目标是从输入图像中确定目标的位置，并使用边界框将其标记出来。
目标识别基础知识
u014553172的博客
10-21 1127
http://www.cnblogs.com/gujianhan/p/6035514.html Roi：Region Of Interest OCR：Optical character recognition 光学字符识别 选择性搜索 Selective Search http://blog.youkuaiyun.com/mao_kun/article/details/50576003 OverFea
目标检测基本知识
qq_56246012的博客
09-17 1086
目标检测这部分中，Faster_RCN、YOLO算法太难了，先放一下学其他的，到时候再翻回来学吧。
目标检测入门
最新发布
safasfs的博客
06-10 663
（文章截取于百度飞桨，仅供自己学习记忆）目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置。检测任务需要同时预测物体的类别和位置，因此需要引入一些跟位置相关的概念。通常使用边界框（bounding box，bbox）来表示物体的位置，边界框是正好能包含物体的矩形框。 通常有两种格式来表示边界框的位置： 在检测任务中，训练数据集的标签里会给出目标物体真实边界框所对应的(x1,y1,x2,y2)这样的边界框也被称为真实框（ground trut
目标检测1--基础知识
qq_36106205的博客
04-11 283
1. 空洞卷积 2. 转置卷积 3. 目标检测 3.1 传统目标检测 滑动窗口（不同大小的窗口） + 传统机器学习分类器（SVM） 滑动窗口 + 卷积神经网络 3.2 全卷积神经网络 3.3 全卷积网络的作用 缺点: 窗口的大小固定 4. 目标检测的判断标准 4.1 交并比（IOU） 4.2 mAP（平均准确率均值） 5. 非极大值抑制（Non-max suppre...
目标检测基础知识（1）--目标检测任务描述
weixin_43981621的博客
09-06 2413
目标检测基础知识（1）–目标检测任务描述     本文是目标检测基础知识相关的第1次学习记录，主要包括目标检测的任务描述，目标检测的常用算法。 目录目标检测基础知识（1）--目标检测任务描述0.参考博客1.目标检测项目结构2.目标检测算法分类3.目标检测的任务4.目标定位的简单实现思路5.分类与目标检测的区别 0.参考博客 干货 | 目标检测入门，看这篇就够了（已更完） 【目标检测系列】经典论文回顾 深度学习检测小目标常用方法 1.目标检测项目结构     在目标检测工程中，主要的项目结构包括三层，分别
深度学习总结，包含基础知识、目标检测、目标跟踪、目标分类，深度学习八
09-02
深度学习的基础知识涵盖神经网络的基本构成单元——神经元，以及它们如何连接和组织成不同的网络结构，例如前馈神经网络、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。每一个网络结构都...
目标检测（理论+实践）（一）
Despacito1006的博客
12-15 1287
目标检测的基本概念    目标检测是计算机视觉中的一个重要任务，和通常的图像分类问题具有一定的差异性，相比于基于深度学习的图像分类任务，目标检测任务更具难度。   在图像分类任务里，假设图像里只有一个主体目标，我们重点关注的是如何识别该目标的类别。然而，很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想知道它们在图像中的具体位置。此类任务称之为目标检测(object detection)或物体检测。   在目标检测中，通常使用边界框(bounding box）来描述目标的位置。边界框是一个
深度学习---目标检测理论笔记
aBIT_Tu的博客
03-07 736
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...
目标检测理论知识
qq_46454669的博客
10-30 1736
Fast R-CNN是基于R-CNN和SPPnets进行的改进。SPPnets，其创新点在于只进行一次图像特征提取（而不是每个候选区域计算一次），然后根据算法，将候选区域特征图映射到整张图片特征图中。
目标检测——基础知识
WellTung_666的博客
02-27 960
文章目录交并比（IOU）准确率（Precision）和召回率（Recall）AP（平均精度）和mAP（平均精度均值）非极大值抑制：NMSSoft NMSSelect Search 交并比（IOU） IoU (Interseeection over Union) 交并比：计算“预测边框”和“真实边框”的交集和并集的比值，用来衡量检测算法性能。 准确率（Precision）和召回率（Recall）...
目标检测-基本知识
小新
03-01 970
目标检测的基础知识
目标检测础知识（Object Detection）
东风的博客
02-10 1800
文章目录Object LocalizationSliding Window Detection（Convolutional implementation）YOLO（you only look once）Iou (intersection over union)Anchor BoxesNon-Max Supression Object Localization 定位一个物体，要求我们输入一个图片，输出一个物体对应的方位。 XConvNet→[Pcbxbybhbw...one_hot] X\quad \und
1_目标检测基本知识
weixin_43327191的博客
11-03 701
文章目录一.目标检测的基本概念1.传统目标检测2.用深度学习进行目标检测3.物体检测的精度评估（1）IOU（2）mAP（3）ROI二.R-CNN 一.目标检测的基本概念 目标检测就是将目标从图像中提取出来，其不仅要识别出目标的类别，还要判断出目标在图像中的位置。 1.传统目标检测 传统目标检测一般使用滑动窗口框架，主要为以下三个步骤： （1）利用不同尺寸的滑动窗口框住图像中的某一部分作为候选区。（区域选择） （2）提取候选区相关的视觉特征，例如人脸检测常用的Harr特征；行人检测和普通目标检测常用的HO.
深度学习从入门到精通——目标检测常用后处理算法及评价指标
swpucwf的博客
09-08 952
评价指标定义及理解mAPmean Average Precision, 即各类别AP的平均值APPR曲线下面积，后文会详细讲解PR曲线Precision-Recall曲线PrecisionRecallTPIoU>0.5的检测框数量（同一Ground Truth只计算一次）FPIoU
【目标检测】-入门知识
宣晨光
04-09 1270
是指给定输入变量（特征）和一个连续的输出变量（标签），建立一个函数来预测输出变量的值。换句话说，回归问题的目标是预测一个连续的输出值，例如预测房价、股票价格、销售额等。回归问题通常使用回归分析技术，例如线性回归、多项式回归、决策树回归等。是指给定输入变量（特征）和一个离散的输出变量（标签），建立一个函数来预测输出变量的类别。换句话说，分类问题的目标是预测一个离散的输出值，例如将一张图片分为猫和狗、预测一个电子邮件是垃圾邮件还是正常邮件等。分类问题通常使用分类算法，例如逻辑回归、支持向量机、决策树分类等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值