目标检测
1.应用检测
2.好多领域
是CV总要
目标检测
多检测,单检测(多检测优化)
图像识别
深度主要算法
滑窗算法
深度学习算法,不同的卷积,把目标检测,滑窗位置为物体位置;
缺点:存在大量冗余,效率低
可以非常高效进行,滑窗之能看见自己的部分,无法更大部分。
区域检测算法
健侧出蓝颜色为物体,黄颜色是最大外接矩形,""“这是传统的图形学来建立”"
RPN采用CNN的方式检测物体区域
YOLO
yoloV1,V2,V3
Bounding Box
轴对齐的框,带方向的框,可以带角度。
标记方法
(左上,右下),中心
绝对坐标
对位置信息,缩放不管用
尺度归一化
将其归一为0,1之间,标记绝对位置
IOU
交并比
针对尺度无关,用坐标做损失函数,会产生位置信息。
基本原理
把目标检测当做回归问题
1,缩放处理
2,运行卷积神经网络
3,N-Max算法算法
将图片转化为格子,然后对每一个格子预测物体,误测每一个物体的热图,对每一个框框进行后处理。
训练过程中:物体中心落在那个位置,就由那个格子预测,通过训练计算中心点,通过中心点。
在预测的时候每个格子都会预测。
不要把格子换成滑窗
(Pc)有没有物体,(C)有几类物体。
yoloV1
在后面是全连接,后面版本变成全卷积的方式
FCN
基本方法:
在yoloV3变成对尺度图片
目标检测,位置,类别准不准
平方误差,的损失函数,不是很合适
yoloV4
结合多种知识(CV)