超级会员免费看
本文深入探讨了目标检测的历程，从传统的计算机视觉技术如SIFT特征点、Haar特征和积分图，到两阶段检测方法如RCNN系列，再到一阶段检测的YOLO系列，详述YOLO网络参数及其演变，最后提及了无锚点方法的新兴趋势。
传统CV
主要是关于 mid-level 的 cv 技法，包括但不限于:
- SIFT 特征点:(这个最重要)
a. 图像平滑(高斯核卷积)
b. 光照不变形(图像颜色变化)
c. Image pyramid, DoG (高斯核卷积)
d. Harris 角点 (泰勒展开)
e. 极值点(线性插值)
f. 特征向量的生成(旋转不变形) - 其他相关特征点， 包括但不限于: HoG, SURF, ORB, FAST 等
- Haar 特征，Integral Image(积分图)
- 传统 ML 方法:
SVM，Decision Tree, Logistic Regression, Linear Regression, Neural Network, Adaboost
Schedule
I. Two Stage Detection
A. RCNN: NMS Series
B. Fast RCNN: ROI Series
C. Faster RCNN: RPN + Anchor
D. Some Resources
订阅专栏 解锁全文
扫一扫
118
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
