深度学习-卷积神经网络笔记4
目标探测介绍：
1、任务
1)：Classification
2)：Classification+Localization
3)：Object Detection
4)：Instance Segmentation
2、直接思路
回归问题：利用神经网络进行目标识别，同样的目标变为坐标值
局部识别问题：不同规模的滑窗遍历所有位置，在这些位置尝试识别，能够完成识别的地方就是目标位置，对于该问题，直接计算候选区域将会更有效，候选区域的确定：EdgeBoxes
DPM：Deformable Parts Model
基本思想：提取图像特征，制作出激励模板（如HOG特征），在原始图像滑动计算，得到激励效果图，根据激励分布确定目标位置，原始图像经过激励模板会有加成。
拓展：目标可能会形变，各个部分单独考虑
1、 产生多个模板，整体模板以及不同局部模板（如人站着或是坐着）
2、 不同模板同输入图片“卷积”产生特征图
3、 特征同组合形成融合特征
4、 对融合特征进行传统的分类，回归，得到目标类标及位置
优点：方法直观简单、运算速度快、适应运动物体形变
缺点：性能一般、激励特征需要人为设计、工作量大，大幅度旋转无法适应，稳定性差