机器学习—目标检测之YOLO using OpenCV/c++

最新推荐文章于 2025-05-20 11:22:01 发布

g782373711

最新推荐文章于 2025-05-20 11:22:01 发布

阅读量768

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：目标检测 YOLO

本文链接：https://blog.youkuaiyun.com/g782373711/article/details/82011500

机器学习专栏收录该内容

1 篇文章

订阅专栏

本文介绍了目标检测的基本概念，将其定义为目标定位与目标识别的结合。探讨了传统方法如Haar级联、SIFT和HOG等特征提取技术，以及现代方法如R-CNN系列和YOLO的创新之处。R-CNN系列利用Selective-Search技术，而YOLO则采用网格划分策略进行高效检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

**目标检测可以理解为目标定位加目标识别的混合。**
在传统的目标检测中，主要是通过提取图像的一些鲁棒性强的特征，比如Haar级联、SIFT（其中有尺度不变性概念）、HOG，使用DPM模型sliding window，这些方式可预测具有较高score的bounding box，但是通过滑动窗口的方式去寻找非常耗时。
在最近流行的方法中，人们使用了R-CNN系列的放阿飞，这种方法使用[Selective-Search](https://www.learnopencv.com/selective-search-for-object-detection-cpp-python/)技术搜索

YOLO方法使用划分网格的形式将图像化成SxS个cell，如果某个cell处于图像的中心，则将该cell负责检测对象。此处为[YOLO源码](https://goo.gl/wXmUV4)