【计算机视觉】如何用传统方法在实现目标检测?

59 篇文章 50 订阅 ¥39.90 ¥99.00
31 篇文章 31 订阅
本文介绍了如何使用传统方法进行目标检测,重点讲述了图像块儿的特征描述子——HOG(方向梯度直方图)的计算过程,包括计算方向梯度、梯度幅度和方向、直方图构建以及归一化。接着,讨论了传统模型如SVM在目标检测中的应用。HOG特征与SVM结合,通过滑动窗口技术和训练集的负样本迭代优化,实现目标检测。
摘要由CSDN通过智能技术生成

【计算机视觉】如何用传统方法在实现目标检测?

问题描述

深度学习虽然很火热,但是数据量不大的时候,深度学习的性能还是比较差的,最主要的是模型能力太强,学出来之后不能泛化,因此一种可选的方法就是 不要处处都是深度模型,试试返璞归真的传统方法

传统方法

基本上传统机器方法最直观的就是分类、回归,而对于计算机视觉中级任务:目标检测 该如何下手呢?一种最直观的想法就是用滑动窗口 sliding window 的方法,对滑动窗口内的图像块儿进行分类,根据滑动窗口的位置得到检测结果。那么对于深度模型,常常是端到端的,采用 CNN 进行 深度特征的提取,R-CNN系列则采用 Selective SearchRegion Proposal Network作为候选样本的进行采集,同时加上了位置的回归,深度模型剩余的部分实际上也是进行的分类。整个解决思路并没有太大的冲突。

所以,传统方法解决方案包括三个步骤,一是选择合适的图像块儿 image patch 特征描述子,二是选择合适的分类器,三是用提取的特征及提供的标签对分类器进行训练。</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Zhang_P_Y

感谢支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值