卷積神經網絡之目標檢測總結

概述 傳統的目標檢測任務主要通過人工提取特徵模型建立，常用的特徵包括：HOG、SIFT、Haar等，特徵提取模型之後進行支持向量機或者Adaboost的分類任務，進而得到我們所關注的目標結果。由於特徵模型的侷限性，我們引入卷積特徵，也就是經過卷積神經網絡得到的特徵信息，包括淺層信息和深層信息，淺層信息指的是：前級的卷積層得到的特徵圖，感受野更加關注的是圖像細節紋理等特徵。深層信息包括：後級的卷積層

>>阅读原文<<