计算机视觉目标检测的框架
来源:互联网 发布:流体仿真软件 编辑:程序博客网 时间:2024/06/05 10:11
目标的检测大体框架:
一、基于传统方法
流程为:特征提取+分类器
常用特征:
haar、LBP、HOG、Gabor、ACF、ICF等
常见组合:
haar+adaboost
lbp+adaboost
Hog+SVM
常用分类器:
SVM, adaboost
基于传统方法目标检测分为以下几个步骤:
1、训练分类器所需训练样本的创建
2、特征提取、归一化
3、用特征向量来训练分类器
4、利用训练好的分类器进行目标检测(滑动窗口检测)
5、学习和改进分类器(hard-mining)
二、基于深度学习方法
1)、候选区域proposals+分类classify
Faster rcnn 系列。
1、提取候选区域(rpn网络或者传统方法selective search)
2、将ROI pooling后的候选框送入cnn网络中进行分类、同时进行检测框的精确位置回归。
MTCNN。
用多级小网络生成和筛选候选框,同时进行检测框的精确位置回归。在最后一个网络中增加了关键点的回归。
2)、基于回归方法
YOLO,SSD等。
1、直接回归检测框的坐标
3)混合
Mask-Rcnn等。
Mask-Rcnn:在Faster-rcnn的基础上增加了图像分割分支,即基于像素点的分类。
阅读全文
0 0
- 计算机视觉目标检测的框架
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与图像处理过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程
- 计算机视觉目标检测的框架与过程 .
- 计算机视觉目标检测的框架与过程
- HDU-2017(字符串统计)
- 如何编写接口文档
- retrofit网络框架源码解析
- c#之多边形裁剪线(未考虑重合情况)------初级
- eclipse 导入dtd文件 实现代码自动提示
- 计算机视觉目标检测的框架
- 观察者模式的基本运用
- Redis 集群
- 找寻一款redis数据库可视化工具(RedisDesktopManager)
- 在配置web.xml中 拦截错误
- U3D脚本执行顺序
- 160
- 2D-slam 激光slam: 开源代码的比较HectorSLAM Gmapping KartoSLAM CoreSLAM LagoSLAM
- VS2015 下python编程,报错:'utf-8' codec can't decode byte,解决办法?