sift计算描述子代码详解_【动手学计算机视觉】第五讲：传统目标检测之特征工程...

点击上方↑↑↑“平凡而诗意”关注我们

近几年深度学习大行其道，因此，很多新入门计算机视觉的同学往往会忽略传统的目标识别算法。虽然，深度卷积网络使得特征提取这项工作变得简单，甚至不需要人为干预，但是我认为了解传统目标检测的详细内容更有助于理解计算机视觉的原理和理论体系。因此，接下来几讲会详细讲一下传统目标识别算法中比较经典的几个特征描述子。本文不详细展开每种算法，只是概括性的介绍一下特征工程的内容。

01   前言

随着2012年AlexNet在ImageNet挑战赛一举夺魁，让深度卷积网络迅速霸占了目标识别和计算机视觉的头把交椅。随后的VGG、R-CNN、SSD、YOLO让深度卷积网络在计算机视觉领域的地位更加稳固。

由于深度卷积网络在目标识别方面表现得太过于抢眼，所以，很多入门计算机视觉的同学会选择从深度学习切入，目前惯用的学习套路莫过于如下几条：

• 吴恩达《机器学习》《深度学习工程师》

• 李飞飞《cs231n》

• clone开源代码

• 微调代码跑模型

• ......