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 x_1 x1, y 1 y_1 y1, x 2 x_2 x2, y 2 y_2 y2) , (x, y, w, h, θ \theta θ)
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:
-
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;
-
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;
- 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)