视觉目标检测和识别之过去,现在及可能

  1. 云栖社区>
  2. 量子位>
  3. 博客>
  4. 正文

视觉目标检测和识别之过去,现在及可能

行者武松 2018-01-15 15:05:00 浏览1194
展开阅读全文
本文来自AI新媒体量子位(QbitAI)

计算机视觉中目标检测、跟踪、识别是最基本的几个task,尤其又以检测最为重要和基础。同时基本上所有的检测任务都需要在给出物体的bounding box之后,给出物体的类别(也就是给识别物体),所以文章中不区分检测和识别任务。

笔者从事计算机视觉中目标检测相关的工作还比较多,将自己看到的,学到的,以及相关的一些理解总结如下。帮助自己进行梳理,也希望对后来者有帮助。我大致将目前学术及和工业界出现的目标检测算法分成3类:

  1. 传统的目标检测算法:Cascade + Harr / SVM + HOG / DPM 以及上述的诸多改进、优化;
  2. 候选窗+深度学习分类:通过提取候选区域,并对相应区域进行以深度学习方法为主的分类的方案,如:RCNN / Fast-RCNN / Faster-RCNN / SPP-net

网友评论

登录后评论
0/500
评论
行者武松
+ 关注
所属云栖号: 量子位