26、边缘环境下的目标检测算法与应用

边缘环境下的目标检测算法与应用

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，对图像和视频中重要特征进行处理、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。它还具有定位图像中物体、多类分类、计数每个物体类别的实例数量以及跟踪物体等独特功能，不受物体形状、大小、遮挡和光照影响。关键应用包括自动驾驶汽车、视频监控和目标跟踪等。
• 语义分割与实例分割 ：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；实例分割则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。通过目标检测先检测和定位物体，然后由一组单独的算法处理结果数据，以确定要执行的动作。

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

传统目标检测算法基于手工特征，即特征工程师处理图像以确定用于目标检测的特征集。由于缺乏结构化图像表示和计算资源，传统方法涉及许多特征检测和相关算法。 <