【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。