qq_40959462的博客

CIFAR-10是由Hinton的学生Alex Krizhevsky和Ilya Sutskever整理的一个用于识别普适物体的小型数据集。一共包含10个类别的RGB彩色图片：飞机、车、鸟类、猫、鹿、狗、蛙类、马、船和卡车。图片的尺寸为32×32 ，数据集中一共有50000张训练图片和10000 张测试图片。CIFAR-10的图片样例如图所示。CIFAR-10是3通道的彩色RGB图像，而MNIST是灰度图像。CIFAR-10的图片尺寸为32×32， 而MNIST的图片尺寸为28×28，比MNIST稍大。

​ 基本在目标检测算法中会碰到一些评估指标、常见的指标参数有：IoU（交并比）、Precision（精确度）、Recall（召回率）、AP（平均正确率）、mAP（平均类别AP）等。这些评估指标是在评估阶段评价训练的网络好坏的重要依据。

支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM 还包括核技巧，这使它成为实质上的非线性分类器。SVM 的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM 的的学习算法就是求解凸二次规划的最优化算法。...

DPM（Deformable Part Model），正如其名称所述，可变形的组件模型，是一种基于组件的检测算法，这种模型非常地直观，它将目标对象建模成几个部件的组合。比如它将人类视为头部/身体/手/腿的组合。...

HOG特征与SVM分类器结合，已经被广泛应用于图像识别中，尤其在行人检测，HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。通过将整幅图像分割成小的连接区域，称为cells，每个cell生成一个方向梯度直方图或者cell中像素的边缘方向，这些直方图的组合可表示出所检测目标的目标的HOG特征。...

Viola Jones检测器由三个核心步骤组成，即Haar-like特征和积分图、Adaboost分类器以及级联分类器。假设在目标检测时，需要这么一个子窗口，在待检测的图像中不断的滑位移动，子窗口每到一个位置，就会计算出该区域的特征，然后用训练好的级联分类器对该特征进行筛选，只要该特征通过了所有强分类器的筛选，则判定该区域为目标区域。...

Viola Jones检测器： Viola Jones检测器由三个核心步骤组成，即Haar特征和积分图、Adaboost分类器以及级联分类器。HOG检测器：HOG检测器利用了方向梯度直方图（HOG特征描述子，通过计算和统计局部区域的梯度方向直方图来构建特征。HOG特征与SVM分类器算法的结合，在行人检测任务中应用广泛且效果显著。然而，HOG检测器的缺点是始终需要保持检测窗口的大小不变，如果待检测目标的大小不一，那么HOG检测器需要多次缩放输入图像。基于部件的可变形模型（DPM）：DPM所遵循的思想是“分