目標檢測問題
目標檢測是在圖片中對可變數量的目標進行查找和分類
查找就是定位到它在圖片中的位置，通常表示爲一個矩形框
對於這樣的問題，主要存在三個主要難點
①目標種類與數量問題
②目標尺度問題
③外在環境干擾問題
目標檢測 VS 目標分割
語義分割只要找到同一類物體或者目標的區域就行了
實例分割比語義分割更加精細，對於同一類別的目標也需要劃分出不同的實例
目標檢測主要去定位物體的位置，位置信息通常表示爲一個矩形，一個舉行可以通過四維數據來進行表示
目標分割需要對每一個像素點來進行不同類別的劃分
目標檢測問題的方法
傳統目標檢測方法到深度學習目標檢測方法的變遷
現在目標檢測算法研究以深度學習爲主，基本上傳統目標檢測算法現在已經很少用到了
目標檢測算法基本流程
傳統目標檢測方法
VJ算法主要是採用積分圖特徵，結合Adaboost分類器來進行人臉檢測等目標檢測的任務
HOG+SVM主要用於行人檢測，通過對行人目標候選區域提取HOG特徵，並結合SVM分類器來進行判斷
DPM也是同樣基於HOG特徵的一種變種，不同的地方在於在DPM中會加入很多額外的策略來提升檢測的精度。DPM方法也是目前非深度學習目標檢測方法中效果性能最優的一種方法，當然DPM相對於深度學習方法相比還是會存在較大的差距
深度學習目標檢測算法
