目标检测技术调研

最新推荐文章于 2024-07-02 11:51:16 发布

MajinWakeup

最新推荐文章于 2024-07-02 11:51:16 发布

阅读量470

点赞数 1

分类专栏： # 目标检测文章标签：目标检测 YOLO YOLT

本文链接：https://blog.csdn.net/MajinWakeup/article/details/100580463

版权

本文介绍了目标检测与识别的区别，重点关注目标检测的发展历程，包括RCNN系列的里程碑作用，以及当前主流的Two-Stage（如RCNN, Fast R-CNN, Faster R-CNN）和One-Stage（如SSD, YOLO, CornerNet）算法。通过对比，讨论了不同方法在准确性和速度上的权衡。" 93194984,8257236,X.25协议：面向连接的早期网络技术,"['网络', '协议', '通信技术', '数据库']

摘要由CSDN通过智能技术生成

由于工作需要，这段时间对目标检测技术进行了调研。主要是对目标检测的发展大致进行了了解。

1 目标检测与识别技术

因为任务中混杂了目标检测与目标识别，我也查阅了一些资料对这两个名词进行区分。以下均为个人见解，如有错误还请指出。

首先对两个名词进行解析：目标检测和目标识别。目标检测的目的是确定某张给定图像中是否存在给定类别（比如人、车辆、建筑）的目标实例，如果存在，就返回每个目标实例的空间位置和覆盖范围（比如返回一个边界框）。而目标识别需要将检测的目标与数据库中的某个样例对应起来（样例可以是某个特定物体也可以是某一类物体），完成识别匹配功能，因此会要求指出目标的一些其他特性数值。

从严格意义上来说，当目标识别任务中的样例是某个特定物体的情况下，目标检测也可以看作是目标识别的一个预处理过程，之后再根据给定样例来进行识别匹配处理。但是当识别任务中的样例是某一类物体的情况下，两者并无本质区别，其使用的技术是相通的，因此也会将两种技术统称为目标检测与识别技术。在此主要学习的是目标检测技术。

2 目标检测发展

目标检测技术是计算机视觉领域的核心问题之一，由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，它也一直是计算机视觉领域最具有挑战性的问题之一。早期的方法都是基于人工设计的特征实现的，受限于这种特征对于物体的表示能力，目标检测技术的发展曾一度十分缓慢。在2014年，RCNN方法将目标检测与深度学习相结合，成为目标检测发展史上的重要里程碑，之后目标检测领域得以迅速发展。基于深度学习的目标检