5个步骤实现目标检测

作者|DR. VAIBHAV KUMAR 编译|VK 来源|Analytics In Diamag

目标检测技术是当今计算机视觉领域的发展趋势。在场景图像和视频中，有许多方法被用来检测物体。在资源和执行时间方面，每种技术都有自己的优势和局限性。检测视频中的物体也需要大量的技术知识和资源。

因此，人们一直在寻找一种简单、快速的目标检测方法。在本文中，我们将演示如何检测视频中看到的对象，只需5个步骤。

我们将在本任务中使用pixellib库，该库使用实例分割检测对象。我们还将使用预训练Mask R-CNN模型来识别视频中看到的物体。

在这个实现中，我们将检测交通视频中的车辆对象。

实例分割

实例分割是计算机视觉中的一种技术，它利用图像分割的方法进行目标检测。它在像素级识别图像或视频中存在的每个对象实例。

在图像分割中，视觉输入被分割成若干段，通过形成像素集合来表示对象或对象的一部分。实例分割识别图像中每个对象的每个实例，而不是像语义分割那样对每个像素进行分类。

Mask R-CNN

Mask R-CNN是由Kaiming He等人在Facebook人工智能研究所提出的深层神经网络的变体。该模型用于解决计算机视觉中的对象实例分割问题。

它检测图像中的对象，同时为每个实例生成一个高质量的分割掩码。它是Faster R-CNN的一个扩展，它增加了一个预测目标掩码的分支，与现有的边界盒识别分支并行。

下面给出了用于实例分割的Mask R-CNN框架。