第八周机器视觉学习报告

目标检测
目标检测是将目标从图像中提取出来。
运动目标检测是从不断变化的序列图像中进行目标检测,分为静态背景下的运动检测和动态背景下的运动检测。

两种主要的思路:
依赖于目标的先验知识,需要提前为运动目标建模,然后在图像序列中实时找到匹配的目标,不依赖于先验知识,直接从图像序列中检测到运动目标,并进行目标识别,最终跟踪感兴趣的运动目标。

在目标检测和追踪需要注意运动目标的表示,例如对其视觉特征进行建模,并采用相似性度量来对图像进行匹配,在追踪过程中需要处理大量冗余信息,采用搜索算法缩小比较范围。
目前跟踪分类主要基于主动轮廓的跟踪、基于特征、区域、模型的跟踪等。

 

分类：
1.基于候选区域的目标检测（RCNN）
先生成后院区域在检测，降低信息陈武冗余程度，从而提高检测速度。
2.SPP-Net
先卷积后生成区域，不仅减少存储量而且加快了训练速度，剪裁(截取的区域未涵盖整个目标)和缩放(图像扭曲变形)在很大程度上会丢失图片原有的信息，导致训练效果不好。

3.Fast-RCNN,Faster-RCNN
Fast-RCNN使用选择性搜索生成候选区域效率低，Faster-RCNN使用一个区域提名网络实现。
Fastee-RCNN算法步骤：
特征提取，生成候选区域，兴趣区域ROI池化，候选区域分类，边界精调，NMS去重

4.YOLO
核心思想：利用整张图作为网络的输入，直接在输出层回归bounding box的位置和bounding box所属类别的类别。
5.MobileNet网络