图像物体分类与检测算法综述

物体分类与检测的难点与挑战

• 实例层次：尺度，光照，视角，形变，遮挡
• 类别层次：类内差别大，类间模糊，背影干扰
• 主义层次：多重稳定

物体分类与检测数据库

1.OCR数字手写识别：MNIST数据库

2.形状分类: ETHZ Shape classes, MPEG-7

3.CIFAR-10, CIFAR-100数据库

4.Caltech-101

5.PASCAL VOC

6.ImageNet

7.Sun-397

8.Tiny images

物体分类与检测发展历程

1.物体分类：包模型(bag-of-words)     深度学习模型

2.物体检测：结构学习    以形变部件模型

词包模型

1.底层特征提取：a.基于兴趣点检测，b.密集提取

    基于兴趣点检测:Harris角点检测子， FAST算子，LOG算子，DOG算子

    密集提取:从图像中按固定的步长，尺度提取出大量的局部特征描述，再使用词包模型进行有效的表达后通常可以得到比兴趣点检测更好的性能