物体检测

物体检测（object detection），理学-计算机科学技术-计算机应用-多媒体计算-计算机视觉-高层视觉-物体检测，物体检测的主要目标是准确定位、识别给定图片中的物体。该技术在人脸识别与检测、行人与车辆检测等视觉任务中有着重要作用。传统检测方法包括候选框选取、特征抽取以及分类器设计等主要步骤。首先，该类方法利用选择性搜索（Selective Search）、边缘框（EdgeBox）等方法提取有效的候选框。第二，利用方向梯度直方图（HoG）、哈尔特征（Haar-like features）等描述候选框的视觉特征。第三，将候选框送入SVM、AdaBoost等浅层分类器进行训练。然而，候选框选取缺乏有效监督和引导、手工特征描述能力有限、分类器缺乏辨别力等问题，导致传统方法的检测性能停滞不前。深度学习模型已逐渐成为物体检测的主流框架。具体而言，当前深度检测模型可以归纳为两阶段检测框架（Two-Stage）、单阶段检测框架（One-Stage）。