目标检测综述-DNN之前

目标检测综述

目标检测，通俗来讲就是在给定的图片或者视频中，从背景中分离得到不同物体的位置和类别。
因此，目标检测的基本任务有两个：

1. 定位(bounding boxes)
2. 识别(classification)

很好的一个目标检测概述（很清晰明了）

手工特征 —— 基于人工设计的特征表达

最开始的目标检测是基于手工设计特征的，是一种利用人类先验知识与智慧, 并将这类知识应用于目标检测、识别等任务的很好的方式.这类方法实现相对容易、计算也比较简单, 但其极大地依赖了人类知识、经验的总结, 且不能做到对图像或目标模型最本质的刻画。
此类的代表有通过获取图像关键点附近的梯度信息来描述运动目标的SIFT[1], 将HOG与支持向量机 (Support vector mach-ine, SVM) 相结合, 提出了可变形部件模型 (Deformable part model, DPM)[2],

[1] Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110.
[2] Felzenszwalb, Pedro F., et al. “Object detection with discriminatively trained part-based models.” IEEE transactions on pattern analysis and machine intelligence 32.9 (2009): 1627-1645.

基于人工设计的特征是人们通过手动设计提取得到的特征, 即存在一个对输入