超级会员免费看
图像识别在人脸识别和车牌识别等领域发挥关键作用。本文探讨了目标识别的重要性，它能精确定位并框出图像中的目标物体，提高识别效率。传统方法如滑动窗口存在计算量大、资源需求高的问题，而新的算法则通过颜色、纹理、空间和尺度的相似度计算优化了这一过程。以hyperface人脸识别为例，该算法结合selective search实现高效目标识别，为后续图像处理任务奠定基础。
在对于图像的处理中，图像识别是一个很重要的步骤，例如人脸识别，车牌识别等。图像目标识别有助于此类功能的实现，提高识别效率。目标识别将图像中的各类物品提前识别并且框出，将识别的目标物体图像，送入后续网络层进行处理，有助于提高任务精确度。在人脸识别中，更精准的人脸框图会提高人脸识别效率，通过缩小物体的区域，定位人脸的特征，提高工程的精准度。传统的目标识别都是基于暴力搜索方法，在传统算法中使用了滑动窗口，规定子块的像素尺度，之后在整幅图像中，进行穷举搜索。这种方法有很多弊端，例如产生的数据量非常多，对于内存与CPU的计算要求很高。相比而言，本算法使用了不同的方法来进行目标识别，对于颜色，纹理，空间，尺度四个参数进行相似度计算。相比之下提高了效率。目标识别效率的提升，有助后续任务的执行。目前很多图像处理算法都首先采用目标识别，后对图像块进行采集，再进行其他工作。例如hyperface人脸识别，就是采用了selective search进行人脸框图，之后利用生成的图像块进行处理。
实验效果图：
原图：
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
