基于深度学习的目标检测算法调研

最新推荐文章于 2023-09-10 22:29:25 发布

VIP文章最小森林

最新推荐文章于 2023-09-10 22:29:25 发布

阅读量1.8k

点赞数

分类专栏：图像处理深度学习文章标签： R-CNN 目标检测深度学习 YOLO Faster R-CNN

本文链接：https://blog.csdn.net/u012052268/article/details/103039769

版权

0 目标检测的任务概述

如何从图像中解析出可供计算机理解的信息，是机器视觉的中心问题。理解图像，有三个主要的层次：

理解图像

一是分类（Classification），即是将图像结构化为某一类别的信息，用事先确定好的类别(string)来描述图片。这一任务是最简单、最基础的图像理解任务，也是深度学习模型最先取得突破和实现大规模应用的任务。
二是检测（Detection）。检测则关注特定的物体目标，要求同时获得这一目标的类别信息和位置信息。相比分类，检测需要从背景中分离出感兴趣的目标，并确定这一目标的类别和位置。
三是分割（Segmentation）。分割包括语义分割（semantic segmentation）和实例分割（instance segmentation），前者要求分离开具有不同语义的图像部分，而后者是检测任务的拓展，要求描述出目标的轮廓（相比检测框更为精细）。分割是对图像的像素级描述，它赋予每个像素类别意义，适用于理解要求较高的场景，如无人驾驶中对道路和非道路的分割。

深度学习时代来临后，「目标检测」算法大家族主要划分为两大派系，一个是 R-CNN 系两刀流派，另一个则是以 YOLO 为代表的一刀流派。下面分别解释一下 两刀流 和 一刀流:

关注