本文介绍了目标检测的基本概念，包括目标种类、尺度和环境干扰问题。对比了目标检测与目标分割的不同，并概述了传统目标检测如viola-jones、HOG+SVM的方法。接着详细讨论了深度学习目标检测，特别是one-stage（YOLO, SSD）和two-stage（Faster RCNN）方法，分析了各自的优缺点。"
125503686,7746275,微信小程序原生开发指南,"['小程序开发', '微信', '前端框架', '移动开发']
目标检测是在图片中对可变数量的目标进行查找和分类
- 目标种类与数量的问题
- 目标尺度的问题
- 外在环境干扰的问题
目标检测与目标分割
- image classification
- object localization
- semantic segmentation
- instance segmentation
传统目标检测
- viola-jones
- HOG+SVM
- DPM
传统目标检测方法基本流程
输入–>候选框–>特征提取–>分类器判定（目标or背景）–>NMS–>输出
- soft-NMS（非极大值抑制算法）
- 基本流程
1.1 input–>CNN–>1.Lreg, 2.Lcls - 常见算法
2.1 YoloV1/V2/V3
2.2 SSD/DSSD等
2.3 Retina-Net
2.4 等等 - 核心组件
3.1 CNN网络
3.2 回归网络（区域回归(置信度，位置，类别）， 区域推荐Anchor机制
深度学习目标检测方法
-
<
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
