android opencv 扑克,Opencv 图像识别Android实战(识别扑克牌 6.如何获取候选区)

第一节：再谈单步法和两步法

前面我们说图像识别领域通常有两类方法:一类是单步法，另一类是基于候选区的两步法,常用的单步法多数是基于DNN的方式，能解决更为复杂的问题，但是对设备要求较高，也需要更多的样本，在很多自然场景下对单个类别的样本数据要求可能达到数千张，比较典型的算法是YOLO。基于候选区典型算法比如faster rcnn，目前也是比较成功的，但是目前相对而言YOLO优势更大，速度快，应用广，应用起来也比较简单。

上面提到的两类常用算法，都是基于深度神经网络的实现，这样做很多好处，比如更加准确，泛化能力更强等等。但是一旦用上了深度学习就意味着，你的程序会更加复杂，对硬件设备要求更高，否则在某些实时应用场合没有太大的意义，所以深度学习框架一般都是要支持GPU运算来提升速度的。然而在嵌入式设备上通常是没有GPU来加速的，在本例中也是一样，我们还是运用传统的算法来解决这个比较简单而实际的问题，而并不是通过构建神经网络来解决这个问题。

这样做由很多优势：一、针对这种单一环境下的图像识别处理，本身就只需要用传统算法解决问题，不必要复杂化，二、这种环境下我么得到的样本质量较高，只需要少量样本就可以解决问题，不需要太强的泛化能力也能搞定识别，三、简单的算法和处理过程能提高帧率，使用起来更流畅。事实证明这样做是非常明智的，尤其是在嵌入式设备上，效果是极好的。

到底用不用深度学习网络，我是这样看的：如果能用传统的算法解决问题就不用DNN的方式，优缺点前面已经提到过了，有些场合必须要用DNN的实现这无可厚非(使用DNN进行图像识别绝