目标检测（Object Detection）
发布时间
阅读量：
阅读量
目录
目标检测（Object Detection）
目标检测算法分类？
1.Two stage目标检测算法
2.One stage目标检测算法
目标检测（Object Detection）
目标检测（Object Detection）旨在识别图像中的目标，并对其类别及位置信息进行识别。这是计算机视觉领域的核心研究问题之一。不同种类的目标具有各自独特的形态特征，在成像条件下光照变化以及物体部分被遮挡等因素的影响下，实现有效的目标检测一直被视为该领域最具挑战性的研究课题之一。
目标检测算法分类？
基于深度学习的目标检测算法主要分为两类：
1.Two stage目标检测算法
首先进行区域建议（Region Proposal, RP）的提取，在此过程中会生成一个可能包含待检物体的预选框；随后利用卷积神经网络对这些样本进行分类。
任务：特征提取—>生成RP—>分类/定位回归。
主流的两阶段目标检测算法包括：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN以及R-FCN等。
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。
在one stage目标检测算法中常见的是OverFeat, YOLOv1, YOLOv2, YOLOv3, SSD以及RetinaNet等
全部评论 (0)
还没有任何评论哟~