目标检测算法基础讲解篇_2023.2.7

        基础讲解目标检测的实际应用场景以及应用原理统述，区分图像分类与目标检测的实质性相同与不同的差异，了解Sliding Window的工作方式原理并通过替换暴力遍历算法以及卷积网络密集预测算法等方式提高滑窗效率问题，以达到利用卷积特征图一次性计算性质减少重复计算次数的高效方式。清楚目标检测方法最根本计算范式原理：滑窗性质以及计算卷积网络特征图一次性计算方式解决图像中类别检测的正确率以及高效的预测算法。并介绍该项技术的推进历程演化，由DPM传统方法演变至两阶段方法（Fast R-CNN）包括后面出现的单阶段方法（如：yolo系列）的出现，再开拓出transformer方法的DETR等系列目标检测技术的更迭换代。在此过程中不断提升算法精度以及速度并大幅度减少模型体积以达到最优化状态。检测图原理需首先定位描述紧密包围物体框中边界的四个像素值定位，利用滑窗范式计算图像中目标的预测结果。不同的换代卷积网络算法都在原基础算法上进行根本的减少重复计算次数，并加大加快计算分类和回归的效率以达到降低广区域提议中的计算成本等问题。