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

物体检测算法 — 从传统检测方法到深度神经网络框架

目标检测:YOLO和SSD 简介

GitHub:小目标检测最全资料集锦

实战深度学习目标检测:RCNN

GitHub | Anchor-free目标检测最全资料集锦

传统目标检测实战:HOG+SVM