Object Detection in 20 Years A Survey总结汇报.pptx

发布时间：2022-05-31 发布人：admin 分类：说明书资料大小：7.89M 资料格式：pptx 举报版权申诉

第1页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第2页.png

第2页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第3页.png

第3页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第4页.png

第4页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第5页.png

第5页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第6页.png

第6页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第7页.png

第7页 / 共24页

qq_32900237-11929247-Object Detection in 20 Years A Survey总结汇报.pptx.pdf-第8页.png

第8页 / 共24页

文本预览

CONTENT 01. 02. 03. 04. 目标检测介绍经典算法介绍近几年的新进展未来发展方向

目标检测介绍 01

什么是目标检测目标检测是数字图像中重要的计算机视觉任务。目标检测的目标是开发计算模型和技术，提供计算机视觉应用程序所需的最基本的信息之一：什么对象在哪里? 按应用分类：（1）general object detection：探索在统一的框架下检测不同类型物体的方法，以模拟人类的视觉和认知；（2）detection applications：特定应用场景下的检测，如行人检测、人脸检测、文本检测等。目前，目标检测已广泛应用于自主驾驶、机器人视觉、视频监控等领域。

难点及挑战由于不同的检测任务具有完全不同的目标和约束，它们的困难程度可能会有所不同。除了其他计算机视觉任务中的一些常见挑战，如不同视点下的物体、光照和类内变化，目标检测的挑战包括但不限于以下几个方面：难点及挑战目标旋转尺度变化目标定位密集及遮挡对象加速检测等等

经典算法介绍 02

发展历史概述目标检测的发展大致经历了两个历史时期：（1）传统的目标检测时期，2014年以前（2）基于深度学习的检测时期，2014年以后

传统检测器早期的目标检测算法大多是基于手工特征构建的。由于当时缺乏有效的图像表示，人们别无选择，只能设计复杂的特征表示，以及各种加速技术来用尽有限的计算资源。区域选择（滑动窗口）特征提取（人工提取特征）分类器 (SVM，Adaboost等) NMS (候选框合并) 传统检测器 VJ/2001 HOG/2005 DPM/2008 Haar/滑动窗口 SIFT 形状上下文积分图像特征选择检测级联分而治之一个根过滤器一些零件滤波器

Two-stage检测器随着手工特征的性能趋于饱和，目标检测在2010年之后达到了一个稳定的水平。在2014年率先打破僵局，提出了具有CNN特征的区域(RCNN)用于目标检测。 Two-stage：先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类。这类算法相对较慢，因为它需要多次运行检测和分类流程。 RCNN SPPNet Fast RCNN Faster RCNN FPN • 2014 • 2014 • 2015 • 2015 • 2017

分享到：

赞收藏

资料库

Object Detection in 20 Years A Survey总结汇报.pptx

相关推荐

人工智能

热门标签

最新资料