三维视觉：运动分析下篇

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】

【从本章节开始由董秋雷老师为我们讲述相关知识】

【本章节内容针对运动分析进行讲解】
接下来我们将主要针对以下内容进行介绍：

• AdaBoost

• 基于DNN的物体检测

目标检测

研究目标：自动确定目标在图像中的位置和类别。

• 常规的目标检测方法

–AdaBoost

• 基于DNN的目标检测方法

–RCNN系列

–YOLO系列

AdaBoost

目的：就是根据已有的样本，融合多个弱分类器形成一个整体的强分类器，并提高分类准确率。

                                       

 

换言之：

– 弱分类器 : 准确率不高（仅比随机猜测略好）；

– 强分类器 : 准确率很高的分类器；

– 怎么样将弱分类器 提升为 强分类器呢？

 

 

AdaBoost具体解决两个问题：

–怎样处理训练样本？

–怎样合并弱分类器成为一个强分类器？

• 怎样处理样本？

–在AdaBoost中，每个样本都被赋予一个 权重 。如果某个样本没有被正确分类，它的权重就会被提高，反之则降低。这样， AdaBoost方法将注意力更多地放在 难分的样本 上。

• 怎样合并弱分类器？

–强分类器表示为若干弱分类器的线性加权和形式， 准确率越高的弱学习机权重越高 。

 

从而获得弱分类器中相对较好的分类器 

 

 基于DNN的物体检测

 RCNN系列

 

 

 

 

YOLO 

YOLO：将 object detection 的框架设计为regression problem，直接从图像像素到 bounding box 以及 probabilities。

 

                      

后来又发展出YOLOv2、YOLO9000这边不多加介绍，有兴趣的同学可以查阅相关信息。