目标检测综述

BACKGROUND

在过去的十多年时间里，传统的机器视觉领域，通常采用特征描述子来应对目标识别任务，这些特征描述子最常见的就是 SIFT 和 HOG.而 OpenCV 有现成的 API 可供大家实现相关的操作
计算机视觉五大技术：图像分类、对象检测、目标跟踪、语义分割和实例分割

目前学术和工业界出现的目标检测算法分成3类：

1. 传统的目标检测算法：Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化；
2. 双阶段方法：候选区域/框 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：
   R-CNN（Selective Search + CNN + SVM）
   SPP-net（ROI Pooling）
   Fast R-CNN（Selective Search + CNN + ROI）
   Faster R-CNN（RPN + CNN + ROI）
   R-FCN
   等系列方法；
   3.单阶段方法： 基于深度学习的回归方法：YOLO/SSD/DenseBox 等方法；以及最近出现的结合RNN算法的RRC detection；结合DPM的Deformable CNN等

文章来源: https://blog.csdn.net/weixin_43859829/article/details/90763081