一、对象检测概述

1、我们希望能够做到

        视觉场景理解、 即图像中的内容和位置、更进一步对象类别、标识、属性、活动、关系等…

2、如何定义对象？

        定义那些是对象，那些是连续背景

3、识别任务都包含什么？

        分类、定位、分割三大任务

4、面临的挑战

        背景杂乱

         遮挡和截断

         类内变异

5、检测的目的和应用

        用于图像理解和检索的空间关系、视觉问答、物体抓取/跟踪等

         物体追踪

         预防撞击

二、滑动窗口检测器

1、滑动窗口

        使用子窗口，在正确的位置，没有杂乱的存在，滑动窗口检测物体更改窗口大小以按比例搜索

        基本组件：二元分类器

        滑动窗口：对位置和比例的详尽搜索（可以在图像的空间金字塔上使用相同大小的窗口）

2、特征提取

         手动特征提取

3、存在的问题

        搜索的计算成本问题、粒度问题（有限的网格）、纵横比、占用、部分遮挡/截断、多重响应

三、改进：滑动窗口+HOG+SVM

1、架构如下

        代码参考 

Opencv学习笔记 基于HOG和SVM的行人检测OpenCV提供了一个基于HOG和SVM且经过训练的行人检测器。和级联分类器一样，可以用这个SVM分类器以不同尺度的窗口扫描图像，在完整的图像中检测特定物体。主要原理就是一句话，使用HOG进行图像特征提取，然后构建SVM分类器，用于训练。https://skydance.blog.csdn.net/article/details/123281193

2、HOG

数字图像处理 定向梯度直方图(HOG)描述符特征描述符是图像或图像块的表示，它通过提取有用信息并丢弃无关信息来简化图像。通常，特征描述符将大小为宽 x 高 x 3（通道）的图像转换为长度为 n 的特征向量/数组。在 HOG 特征描述符的情况下，输入图像的大小为 64 x 128 x 3，输出特征向量的长度为 3780。但也可以使用其它大小计算 HOG 描述符。但怎么定义是“有用的”，“无关紧要的”？要定义“有用”，我们需要知道它“有用”是为了什么？显然，特征向量对于查看图像是没有用的。但是，它对于图像识别和对象检测等任务非常有用。https://skydance.blog.csdn.net/article/details/122037239

3、HOG和CNN比较

 4、基本原理

（1）网格表示的好处

        平铺定义（记录）空间对应
        分类器可以专注于网格单元的视觉可变性

 （2）特征图

 （3）模型学习

 5、精度评估

         例如 用于检测图像中的风筝
        检测器预测盒子，每个盒子都有一个置信度分数
        如何确定预测是否正确（与基本事实一致）？

         有关于IOU等指标，可参考下面文章 

机器学习笔记 - IOU、mAP、ROC、AUC、准确率、召回率、F分数一、什么是交并比？1、交并比(IOU)概述交并比（Intersection over Union） 是一种评估指标，用于衡量目标检测器在特定数据集上的准确性。任何提供预测边界框作为输出的算法都可以使用 IoU 进行评估。只要有测试集手工标记的边界框和我们模型预测的边界框。就可以计算交并比。R1：真实的边界框矩形的范围；R2：预测出来的矩形的范围；Rol：R1和R2重合的范围。 如下图所示 IOU值体现了单个对象...https://skydance.blog.csdn.net/article/details/123738525

四、采用深度学习的对象检测

        篇幅原因，见另一篇

机器学习笔记 - 图解对象检测任务(2)https://skydance.blog.csdn.net/article/details/124997116