目標(biāo)檢測(cè)是什么？
目標(biāo)檢測(cè)（Object Detection）可以識(shí)別一幅圖像中的多個(gè)物體，定位不同物體的同時(shí)（邊界框），貼上相應(yīng)的類別。 簡(jiǎn)單來(lái)說(shuō)，解決了what和where問(wèn)題。 授人以魚(yú)，不如授人以漁，本文不會(huì)具體介紹某類/某種算法（one-stage or two-stage），但會(huì)給出目標(biāo)檢測(cè)相關(guān)論文的最強(qiáng)合集（持續(xù)更新ing）。
如何識(shí)別目標(biāo)檢測(cè)算法？
（3）利用分類器進(jìn)行識(shí)別，比如常用的SVM模型。 目前目標(biāo)檢測(cè)領(lǐng)域的深度學(xué)習(xí)方法主要分為兩類：兩階段（Two Stages）的目標(biāo)檢測(cè)算法；一階段（One Stage）目標(biāo)檢測(cè)算法。 兩階段（Two Stages）：首先由算法（algorithm）生成一系列作為樣本的候選框，再通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本（Sample）分類。
什么是目標(biāo)檢測(cè)框架？
傳統(tǒng)的目標(biāo)檢測(cè)框架，主要包括三個(gè)步驟： （1）利用不同尺寸的滑動(dòng)窗口框住圖中的某一部分作為候選區(qū)域； （2）提取候選區(qū)域相關(guān)的視覺(jué)特征。 比如人臉檢測(cè)常用的Harr特征；行人檢測(cè)和普通目標(biāo)檢測(cè)常用的HOG特征等； （3）利用分類器進(jìn)行識(shí)別，比如常用的SVM模型。 目前目標(biāo)檢測(cè)領(lǐng)域的深度學(xué)習(xí)方法主要分為兩類：兩階段（Two Stages）的目標(biāo)檢測(cè)算法；一階段（One Stage）目標(biāo)檢測(cè)算法。