目标检测算法

目标检测是计算机视觉中的一个重要任务，旨在在图像或视频中定位和分类对象。目标检测算法结合了图像分类和物体定位，通过在图像上划定边界框并标注每个框中的对象类别。以下是一些广泛使用的目标检测算法：

一、经典目标检测算法

1.Haar特征级联分类器

• 提出者：Viola 和 Jones
• 关键技术：使用 Haar 特征和 AdaBoost 进行人脸检测。
• 优点：实时性强。
• 缺点：对光照变化和角度变化敏感。

2.HOG (Histogram of Oriented Gradients)

• 提出者：Dalal 和 Triggs
• 关键技术：提取方向梯度直方图特征，结合 SVM 分类器。
• 优点：对行人检测效果较好。
• 缺点：对姿态变化敏感，计算量大。

二、基于深度学习的目标检测算法

1.R-CNN 系列

1.1R-CNN (Regions with Convolutional Neural Networks)

• 提出者：Ross Girshick
• 关键技术：使用选择性搜索生成候选区域，逐个区域使用 CNN 提取特征并分类。
• 优点：准确率高。
• 缺点：速度慢，需要多次前向传播。