当我们谈到计算机视觉的时候,最先想到的一定就是图像分类了,而要说其中比较实际,且极具挑战的那就是目标检测。这是因为,目标检测比分类任务更加的复杂。
比如无人驾驶,就是在车上安装目标检测系统,就好比人的眼睛一样,可以准确的对障碍物做出判断。
01
实 时
如果要说实现目标检测的算法中那种好,我一定推荐你学YOLO。因为用YOLO处理图像更简单、更直接。
YOLO是采用一个CNN网络来实现检测的,是一种单管道策略,训练和预测都是end-to-end,所以YOLO算法比较简洁且速度快,并且可以实现实时检测。
02
预 测
YOLO采用的是全图信息进行预测,对整个图片做卷积,与滑动窗口的方法不同,YOLO在训练和预测过程中可以利用全图信息,所以YOLO检测目标会有更大的视野,背景预测错误率低。
这主要还是因为YOLOv3算法结合了很多有用的trick,兼顾了速度和精度。
03
泛 化
另外,YOLO的泛化能力强,可以学习目标概括信息,具有一定的普适性,做迁移的时候,模型鲁棒性高,所以YOLO比其它目标检测方法(DPM和R-CNN)准确率高很多。
但究其本质的话,YOLO仍然是回归算法,要想好好了解回归算法的特性,你需要知道YOLOv1的实现细节、Anchor 机制等等。说到这,我们知道,现在网上有很多类似教程,但质量参差不齐,也不是很系统。