目标检测

基本概念

计算机视觉中关于图像识别有四大类任务:

  1. 分类-Classification:解决“是什么?”的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。
  2. 定位-Location:解决“在哪里?”的问题,即定位出这个目标的的位置。
  3. 检测-Detection:解决“是什么?在哪里?”的问题,即定位出这个目标的的位置并且知道目标物是什么。
  4. 分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每一个像素属于哪个目标物或场景”的问题。

pic

目标检测算法分类

pic

Two stage目标检测算法

先进行区域生成(region proposal,RP)(一个有可能包含待检物体的预选框),再通过卷积神经网络进行样本分类。

任务:特征提取—>生成RP—>分类/定位回归。

常见的two stage目标检测算法有:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。

R-CNN

标题:《Rich feature hierarchies for accurate object detection and semantic segmentation》

时间:2014

出版源:CVPR 2014

主要链接:

  1. arXiv:http://arxiv.org/abs/1311.2524
  2. github(caffe):https://github.com/rbgirshick/rcnn

2.One stage目标检测算法

不用RP,直接在网络中提取特征来预测物体分类和位置。

任务:特征提取—>分类/定位回归。

常见的one stage目标检测算法有:OverFeat、YOLOv1、YOLOv2、YOLOv3、SSD和RetinaNet等。


标 题:《目标检测》
作 者:zeekling
描 述:梅干菜你个小酥饼哦。
地 址:https://www.zeekling.cn/articles/2020/04/25/1587806725006.html
本站加了原创标签的文章都是本站原创作品, 转载请注明:转载自ZEEKLING博客

评论

取消