目标检测知识集锦
Posted 静待花开s0
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了目标检测知识集锦相关的知识,希望对你有一定的参考价值。
1. 写在前面
目标识别算法是所有目标检测算法的核心。
目标识别算法是指在一张给定的图像中识别出给定的物体。将整张图像作为输入,然后输出类别的标签并给出图像中出现物体的概率。
目标检测任务不仅仅要返回图像中主要包含那些物体,而且还要返回该图像中包含了多少物体,以及目标的位置(一般用 BoundingBox进行标注)。
2. 关于DPM算法(Deformable Parts Model)
1、产生多个模板,整体模板以及不同的局部模板;
2、拿这些不同的模板同输入图像“卷积”产生特征图;
3、将这些特征图组合形成融合特征;
4、对融合特征进行传统分类,回归得到目标位置。
DPM算法优点:
1、方法直观简单;
2、运算速度块;
2、适应动物变形;
DPM算法缺点:
1、性能一般
2、激励特征人为设计,工作量大;
这种方法不具有普适性,因为用来检测人的激励模板不能拿去检测小猫或者小狗,所以在每做一种物件的探测的时候,都需要人工来设计激励模板,为了获得比较好的探测效果,需要花大量时间去做一些设计,工作量很大。
3、无法适应大幅度的旋转,稳定性很差;
总的来说,DPM算法停留于手工设计特征,个人认为属于一种传统的计算机视觉目标识别算法。
参考:
https://blog.csdn.net/ttransposition/article/details/12966521
https://blog.csdn.net/qq_22625309/article/details/72493223
3.region proposals / regions of interest(ROI)
给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置的bounding box。这些通常称之为region proposals或者 regions of interest(ROI)。
详情参考:https://blog.csdn.net/auto1993/article/details/78514071
https://blog.csdn.net/shenziheng1/article/details/83506521
4. End to end
即端到端,也就是说,输入是raw data,输出就是想要的结果;
比如,在目标检测任务中,输入是图像,输出是坐标或者绘制好检测出的bounding box 的图像;
详情参考:https://www.zhihu.com/question/51435499
YOLO系列目标检测网络即为一种端到端网络。
我的博客即将同步至腾讯云+社区,邀请大家一同入驻:https://cloud.tencent.com/developer/support-plan?invite_code=3mql8ddlkrcws
以上是关于目标检测知识集锦的主要内容,如果未能解决你的问题,请参考以下文章