03深度学习-目标检测-深度学习方法与传统算法对比

一、目标学习的检测方法变迁及对比    

       “目标检测“是当前计算机视觉和机器学习领域的研究热点。从Viola-Jones Detector、DPM等冷兵器时代的智慧到当今RCNN、YOLO等深度学习土壤孕育下的GPU暴力美学,整个目标检测的发展可谓是计算机视觉领域的一部浓缩史。整个目标检测的发展历程已经总结在了下图中: 
03深度学习-目标检测-深度学习方法与传统算法对比_第1张图片

  可以看出,在2012年之前,在目标检测领域还是以传统手工特征的检测算法为主,但是随着卷积神经网络(CNN)在2012年的兴起,目标检测开始了在深度学习下的暴力美学。在深度学习下,目标检测的效果比传统手工特征效果好太多。直至今日,基于深度学习的检测算法依然是目标检测的主流。     

二、深度学习目标检测算法基本流程

03深度学习-目标检测-深度学习方法与传统算法对比_第2张图片

流程一:

       给定一张待检测图片,将这张图片作为检测算法的输入,然后对图片采用滑动窗口方式进行进行候选框的提取,然后对每个候选框中的图像进行特征提取(特征的提取主要基于前面的前置知识中介绍方式提取),并用分类器进行特征分类的判定,得到一系列的当前检测目标的候选框,这些候选框可能存在重叠的状况,此时使用非极大值抑制算法NMS对候选框进行合并或过滤,得到的最后的候选框就是最终的检测目标即输出结果。

流程二:
       给定一张图片作为输入,采用特征提取+目标框回归的方法来进行目标区域的提取,最后同样利用NMS进行候选框的合并,最终得到目标输出结果。

注意:

  • 流程一:适用于传统的目标检测方法和基于深度学习的目标检测方法
  • 流程二:适用于基于深度学习的目标检测方法

 三、传统目标检测算法VS深度学习目标检测算法 

传统目标检测算法 深度学习目标检测算法
手动设计特征  深度网络学习特征  
滑动窗口 Proposal或者直接回归
传统分类器   深度网络  
多步骤 端到端
准确度和实时性差 准确度高和实时性好

03深度学习-目标检测-深度学习方法与传统算法对比_第3张图片 

你可能感兴趣的:(人工智能方面,深度学习,深度学习,目标检测,人工智能)