目标检测传统算法与神经网络结合_基于卷积神经网络的目标检测算法简介

1.什么是目标检测？

目标检测的主要任务是从图像中定位感兴趣的目标，需要准确判断每个目标的具体类别，并给出每个目标的边界框。

2.实现目标检测需要哪些步骤？

要实现目标检测，传统的方法主要分为预处理、窗口华东、特征提取、特征选择、特征分类和后处理六个步骤。

a) 预处理，对待检测图像进行图像去噪、图像增强、色彩空间转换等操作

b) 在待检测图像中滑动一个固定大小的窗口，将窗口中的子图像作为候选区

c) 利用特定算法对候选区域进行特征提取

d) 从特征向量中选择具有代表性的特征，降低特征维数

e) 利用特征分类器对特征进行分类，判定候区是否包含了目标及其类别

f) 合并判定为统一类别的相交候选区，计算出每个目标的边界框，完成目标检测。

3.目标检测算法的研究难点在哪？

主要是两个方面。第一，特征提取，即如何提高特征的表达能力和抗形变能力。第二，特征分类，即如何提高分类器的准确度和速度。

3.为什么说使用设计的特征存在缺点？

a) 设计的特征为底层特征，对目标表达能力不足

b) 设计的特征的可分性较差，导致分类错误率较高

c) 设计的特征具有针对性，很难选择单一特征应用于多目标检测，如Haar特征用于人脸检测，HOG特征用于行人检测，Strip特征用于车辆检测

5.什么是卷积神经网络？

卷积神经网络是一个层次模型，主要包括输入层，卷积层，池化层、全连接层以及输出层。

卷积神经网络是专门针对图像而设计，