傳統目標檢測算法
- Viola-Jones(VJ算法)
- HOG-SVM
- DPM
Viola-Jones算法
主要用於人臉檢測
Harr特徵
value=白-黑
Adaboost算法
是集成學習的一種方法
在深度學習算法火熱之前,Adaboost算法屬於工業界/學術屆 經常會使用到的一種方法
HOG+SVM算法
主要用於行人檢測
Opencv實現
HOG+SVM同樣採用傳統的目標檢測算法這樣一個基本流程來進行目標檢測,區別就在於採用了HOG特徵和SVM分類器這兩種方法代替VJ算法中的Harr特徵和Adaboost分類器
對於候選框的提取同樣採用滑動窗口來進行
而最終候選框的過濾同樣採用NMS算法來進行候選框的過濾
HOG特徵
SVM
DPM算法
DPM算法是HOG的拓展,利用SVM訓練得到物體的梯度。DPM計算速度比HOG+SVM快
DPM算法是傳統目標檢測算法的巔峯之作
NMS算法
NMS算法,非極大值抑制算法
目的:爲了消除多餘的框,找到最佳的物體檢測的位置
思想:選取那些鄰域裏分數最高的窗口,同時抑制那些分數低的窗口
候選框是通過滑動窗口來生成的
soft-NMS算法
NMS算法的改進