ターゲット検出アルゴリズムの基礎--01目標検出の定義

免責事項：この記事はブロガーオリジナル記事です、続くBY-SAのCC 4.0を著作権契約、複製、元のソースのリンクと、この文を添付してください。

このリンク： https://blog.csdn.net/qq_36825778/article/details/102613547

目標検出

まず、ターゲット検出の定義：

目標検出は画像にある可変数の目標を見つけて分類します

第二に、ターゲット検出プロセスの一般的な問題：

• 対象種と質問の数
• ターゲット規模な問題
• 外部環境の干渉

画像分類VS第三に、物体検出：

ターゲットの検出：

ターゲット検出は、矩形オブジェクトは、異なる色が異なるクラスを表す矩形枠に分類しながら、矩形のフレーム（ターゲット位置検出物体）を与え、ターゲットクラスに属するオブジェクトの検出を提供していませんKAPの

画像カテゴリ：

画像分類は、主に、入力画像として、画像は、主画像カテゴリ決意ため、出力として確率分布の異なるカテゴリに属し

画像分類や標的検出、処理のために深い学習技術を使用して、我々は特徴抽出を完了するために、多くの場合、設計書の機能を通じて、古典機械学習方法のために、抽出部を備えていますする必要があり、深い学習が多い体積であるかどうか製品抽出された特徴を完了するためのニューラルネットワーク

第四に、ターゲット検出オブジェクトセグメンテーションVS

• 画像分類：カテゴリだけで対応するターゲットが属する指定
• 物体検出：対象の位置を特定する必要が配置されている、と分類
• オブジェクトセグメンテーション：分割されたセマンティック図cで占有現在のターゲット領域を見つける必要がある、Dは分割の一例です
  • セマンティックセグメンテーション：ちょうどターゲットの同じタイプの占有面積を見つける必要があります
  • だけでなく、ターゲットの異なる意味レベルを区別するために、同じクラスのターゲットは、異なるインスタンスを分割する必要があります。例としては、分割します

ターゲット検出は、主に、位置情報は、一般的に矩形として表されている測位対象の位置に、矩形が表現する四次元データとすることができる
オブジェクトセグメンテーション画素毎に異なるカテゴリに分割する必要性を、セグメンテーションの結果は、多くの場合、元の画像サイズと一致する必要がまたはデコンボリューションの形をサンプリングすることにより、元の画像サイズの出力結果を得ること