传统目标检测算法通常由四步构成:
1,区域选择
2,手动设计特征提取器
3,分类
4,后处理

基于深度学习的目标检测算法通常由CNN实现自动特征提取,然后用神经网络实现分类和回归,并将分类和回归损失统一在一个框架中,实现端到端的学习,如著名的Faster RCNN目标检测算法。

实践证明,卷积神经网络的特征提取效果比传统的手动设计的特征提取器效果要好

由此,从2012年后,目标检测算法从传统算法时代进入深度学习时代

传统目标检测算法通常由四步构成:
1,区域选择
2,手动设计特征提取器
3,分类
4,后处理
本文标题:理解目标检测9:传统目标检测算法与深度学习
本文链接:https://www.haomeiwen.com/subject/mougqktx.html
网友评论