版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
目标检测问题
一、目标检测问题定义:
目标检测是在图片中对可变数量的目标进行查找和分类
二、目标检测过程中的常见的问题:
- 目标种类和数量问题
- 目标尺度问题
- 外在环境干扰问题
三、目标检测VS图像分类:
目标检测:
目标检测不仅是给出了矩形框(目标检测对象的位置),同时对矩形框内的物体进行了分类,以不同的颜色的矩形框表示不同的类别,并且给出了检测对象属于目标类别的知信度
图像分类:
图像分类主要是以图像作为输入,图像属于不同类别的概率分布作为输出,主要是对图像的类别进行判定
不管是图像分类还是目标检测,在使用深度学习技术进行处理的时候,都需要特征提取环节,对于经典的机器学习方法,通常会通过设计手动的特征,来完成特征提取,而深度学习往往通过卷积神经网络来完成特征的抽取
四、目标检测VS目标分割
- 图像分类:只要指定相应的目标所属的类别
- 目标检测:需要定位到目标所处的位置,并且进行分类
- 目标分割:需要找到当前目标所占的区域,上图c是语义分割,d是实例分割
- 语义分割:只需要找到同一类目标所占的区域
- 实例分割:不仅要区分不同语义层面的目标,而且对于同一类别的目标也需要划分不同的实例
目标检测主要去定位目标的位置,位置信息通常表示为一个矩形,矩形可用四维数据来进行表示
目标分割需要对每一个像素点进行不同类别的划分,分割结果需要同原始的图片大小保持一致,往往通过上采样或者反卷积的形式来得到同原始图像大小的输出结果