目标检测(object detection)
guoyunfei20
object detection, visual object tracking, face recognition, metric learning, pose estimation, activity recognition, semantic segmentation...
展开
-
object detection方法汇总
传统方法:传统的目标检测使用滑动窗口的框架,把一张图分解成几百万个不同位置不同尺度的子窗口,针对每个子窗口,使用分类器判断是否包含目标物体。传统方法针对不同类别的物体,一般会设计不同的特征和分类算法。比如:>> 人脸检测(face detetion)的经典算法是Haar特征 + Adaboost分类器>> 行人检测的经典算法是Hog(histogram of gradients)+ S转载 2017-09-30 13:47:17 · 1032 阅读 · 0 评论 -
RCNN
RCNN (Rich feature hierarchies for accurate object detection and semantic segmentation) 是将CNN方法引入目标检测领域, 大大提高了目标检测效果,可以说改变了目标检测领域的主要研究思路。论文主要特点(相对于传统方法的改进):>> 速度经典的目标检测算法使用滑动窗法依次判断所有可能的区域。本文则(转载 2017-09-30 14:21:59 · 564 阅读 · 0 评论 -
YOLO
一、背景介绍YOLO(You Only Look Once: Unified, Real-Time Object Detection),论文地址。YOLO是Joseph Redmon和Ali Farhadi等人于2015年提出的基于单个神经网络的目标检测系统。在2017年CVPR上,Joseph Redmon和Ali Farhadi又发表的YOLO 2,进一步提高了检测的精度和速度。本博仅学习翻译 2017-12-08 10:32:31 · 23725 阅读 · 1 评论 -
Object Proposal(OP)综述
目标检测(object detection),要求模型不仅能判断一幅输入图像中包含哪类目标,还得框出目标的具体位置(bounding box)。为了实现上述要求,传统的方法是利用滑动窗口(Sliding Window)的方式,用不同尺度(scale)、比例(aspect ratio)的窗口在图像上滑动,穷举出所有可能位置上的子图像块。然后再将这些子图像块输入到目标识别(object recog翻译 2017-12-07 13:16:19 · 13707 阅读 · 1 评论 -
Detectron
Detectron是FAIR(Facebook AI Research)的软件包。其包含了一些了最先进的目标检测算法,例如:Mask R-CNN(Marr Prize at ICCV 2017)。利用Detectron,我们可以快速的实验和评估一些新的想法。Detectron目前包括如下目标检测算法:Mask R-CNN -- Marr Prize at ICCV 2017原创 2018-01-23 12:54:51 · 7770 阅读 · 0 评论