^{<sub id="jgr5k"></sub>}

資料 | 《俞剛：物體檢測的過去、現(xiàn)在和未來》分享PPT

本文作者： AI研習(xí)社

2020-10-08 13:11

導(dǎo)語：物體檢測是計算機視覺中的經(jīng)典問題之一，其任務(wù)是用框去標(biāo)出圖像中物體的位置，并給出物體的類別。

下載地址：https://www.yanxishe.com/resourceDetail/2405?from=leiphonecolumn_res1008

【圖片來源：CSDN 所有者：馮爽朗】

內(nèi)容簡介

物體檢測是計算機視覺中的經(jīng)典問題之一，其任務(wù)是用框去標(biāo)出圖像中物體的位置，并給出物體的類別。從傳統(tǒng)的人工設(shè)計特征加淺層分類器的框架，到基于深度學(xué)習(xí)的端到端的檢測框架，物體檢測一步步變得愈加成熟。

在傳統(tǒng)視覺領(lǐng)域，物體檢測是一個非常熱門的研究方向。受70年代落后的技術(shù)條件和有限應(yīng)用場景的影響，物體檢測直到上個世紀(jì)90年代才開始逐漸走入正軌。物體檢測對于人眼來說并不困難，通過對圖片中不同顏色、紋理、邊緣模塊的感知很容易定位出目標(biāo)物體，但計算機面對的是RGB像素矩陣，很難從圖像中直接得到狗和貓這樣的抽象概念并定位其位置，再加上物體姿態(tài)、光照和復(fù)雜背景混雜在一起，使得物體檢測更加困難。

檢測算法里面通常包含三個部分，第一個是檢測窗口的選擇，第二個是特征的設(shè)計，第三個是分類器的設(shè)計。隨著2001年Viola Jones提出基于Adaboost的人臉檢測方法以來，物體檢測算法經(jīng)歷了傳統(tǒng)的人工設(shè)計特征加淺層分類器的框架，到基于大數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)的End-To-End的物體檢測框架，物體檢測一步步變得愈加成熟。