图像处理之目标检测

目标检测（object detection）

目标检测的目的

目标检测是找到图像中感兴趣的目标（物体），确定他们的位置和大小。我的理解就是将目标图中的物体用算法（传统算法或则是基于深度学习的算法）实现，用一个个的框框框出来，然后识别框框中的物体是什么，也是为下一的目标识别做准备。
机器视觉中的图像处理有四大任务：

1. 分类（classification）:假定给定一幅图像或者一段视频，要判断里面有什么类别的目标。
2. 定位（location）:定位出目标的位置，一般用边框将物体圈出来。
3. 检测（detection）:定位出目标的位置并检测出目标是什么。

传统的目标检测方法

1. Viola-Jones（VJ）：采用积分图特征+AdaBoost方法进行人脸检测等。
2. HOG+SVM：用于行人检测，通过对行人目标候选区域提取HOG特征，结合SVM分类器进行判定。
3. DPM：基于HOG特征检测的一个变种，该方法是非深度学习方法中检测效果最好，性能最优的。

基于深度学习的目标检测

1. One-stage（YOLO和SSD系列）：直接回归初目标框位置，不用产生候选框。
2. Two-stage（Faster RCNN系列）：利用RPN网络对候选框进行推荐。
   上面写了一大堆，其实我也不是很清楚要做什么，这只是一个概述，方便我今后学习用的。就酱