【DL】图像视频处理任务小结

这里图像指二维平面图像

图像识别的任务

• 单目标检测
  • Classification
  • Classification + localization
• 多目标检测
  • Object Detection
  • Instance Segmentation
    上述任务基本可以分为识别和定位的问题，

其中定位可以再分为
正矩形框
带角度矩形框
不规则边框
mask

识别任务

是指将图片分类，通过计算模型可以得到图片包含哪一类别

Input: image
Output:Classification
Evaluate method: Accuracy

定位任务

Input: image
Output:Location (x, y, w, h) , ($x_1$, $y_1$, $x_2$, $y_2$) , (x, y, w, h, $\theta$)
Evaluate method: Intersection over union(IOU), 有不同的计算方式

视频的任务

待补充
持续更新

目标检测常见算法

object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。所以，object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。

然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。

目前学术和工业界出现的目标检测算法分成3类：

1. 传统的目标检测算法：Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化；

2. 候选区域/框 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：

R-CNN（Selective Search + CNN + SVM）

SPP-net（ROI Pooling）

Fast R-CNN（Selective Search + CNN + ROI）

Faster R-CNN（RPN + CNN + ROI）

R-FCN

等系列方法；

3. 基于深度学习的回归方法：YOLO/SSD/DenseBox 等方法；以及最近出现的结合RNN算法的RRC detection；结合DPM的Deformable CNN等

传统目标检测流程：

1）区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高）

2）特征提取（SIFT、HOG等；形态多样性、光照变化多样性、背景多样性使得特征鲁棒性差）

3）分类器分类（主要有SVM、Adaboost等）