**目标检测可以理解为目标定位加目标识别的混合。**
在传统的目标检测中,主要是通过提取图像的一些鲁棒性强的特征,比如Haar级联、SIFT(其中有尺度不变性概念)、HOG,使用DPM模型sliding window,这些方式可预测具有较高score的bounding box,但是通过滑动窗口的方式去寻找非常耗时。
在最近流行的方法中,人们使用了R-CNN系列的放阿飞,这种方法使用[Selective-Search](https://www.learnopencv.com/selective-search-for-object-detection-cpp-python/)技术搜索
YOLO方法使用划分网格的形式将图像化成SxS个cell,如果某个cell处于图像的中心,则将该cell负责检测对象。此处为[YOLO源码](https://goo.gl/wXmUV4)
机器学习—目标检测之YOLO using OpenCV/c++
最新推荐文章于 2024-08-27 08:38:42 发布