主要參考兩篇綜述**
object detection in 20 years: a survey
recent advances in deep learning for object detection
csdn上有翻譯版，對照這翻譯版，能夠更快的理解，注意如果是菜鳥，最好review三遍，三遍是我從高中時期總結出來的高效學習方法，大學和工作後也一直在實踐．
以下是閱讀時，記錄的一些問題．
目標檢測難點有哪些
光照，尺度，姿態，遮擋，精細定位（這個應該屬於分割要解決的事情），實時性，負樣本挖掘
精簡歷史
one stage
multi-scale問題
hard negative mining
speed up
目標檢測演算法綜述
1.傳統的目標檢測框架，主要包括三個步驟 1 利用不同尺寸的滑動視窗框住圖中的某一部分作為候選區域 2 提取候選區域相關的視覺特徵。比如人臉檢測常用的harr特徵 行人檢測和普通目標檢測常用的hog特徵等 3 利用分類器進行識別，比如常用的svm模型 2.目標檢測領域的深度學習方法主要分為兩類 對於...
傳統目標檢測演算法綜述
一 viola jones 人臉檢測 1.haar特徵抽取 初始化樣本的權重w，樣本權重之和為1 訓練弱分類器 更新樣本權重 迴圈第二步 結合做個分類器結果，進行投票 2.訓練人臉分類器 3.滑動視窗 二 hog svm 行人檢測，opencv實現 1.提取hog特徵 hog特徵 2.訓練svm分類...
目標檢測演算法
基於深度學習的回歸方法 yolo ssd densebox 傳統目標檢測流程 rcnn解決的就是預先找出圖中目標可能出現的位置，即候選區域，再對這些區域進行識別分類。r cnn 具體步驟如下 步驟二 對該模型做fine tuning 微調 步驟三 特徵提取 步驟四 訓練乙個svm分類器來判斷這個候選...