目标检测原理&代码实现（pytorch+yolov3）
目录一、目标检测 VS 图像分类 VS 图像分割二、目标检测1、目标检测基础理论2、基于深度学习的目标检测Two-stage流程One-stage流程3、人脸业务场景https://www.bilibili.com/video/BV1u44y1J7yV?p=2&spm_id_from=pageDriver一、目标检测 VS 图像分类 VS 图像分割图像分类只需要将图片分类别即可，目标检测，
·
说明：最近学习目标检测相关知识并进行简单记录，推荐先学习原理部分，再入手代码，每部分都附上学习视频。
一、目标检测 VS 图像分类 VS 图像分割
理论学习：视频推荐
图像分类只需要将图片分类别即可，目标检测，先定位再分类
目标定位/检测：大体定位出框子
语义分割：相同语义的为一类颜色，图中紫色，像素级别
实例分割：每个物体精确分割好，再细分1，2
二、目标检测
1、目标检测基础理论
流程：
two stage：
先选择候选框，对框中像素进行特征提取（浅层的：颜色，hog直方图），对框子进行分类判决svw，通过非极大值致抑制的方法进行分类框合并。
one stage：下面蓝色部分，直接预测输出（4个位置+1个置信度+c维的分类情况），而不用上面的那种分别进行pooling抠图，再分类回归的过程。
2、基于深度学习的目标检测
Two-stage流程
One-stage流程
在嵌入式使用中，倾向于使用one-stage速度快
3、人脸业务场景
三、代码实践
锚点、先验框是事先超参设置好的，然后根据训练结果进行两者的微调。
参考1：目标检测先验框和模型原理
参考2：anchor锚点
参考3：代码部署视频，此博主代码已实验过，可以正常运行
汇聚全球AI编程工具，助力开发者即刻编程。
更多推荐
15
0- 0
已为社区贡献5条内容
所有评论(0)