目標檢測介紹

前言 在深度學習出現之前，傳統的目標檢測方法大概分爲區域選擇（滑窗）、特徵提取（SIFT、HOG等）、分類器（SVM、Adaboost等）三個部分，其主要問題有兩方面：一方面滑窗選擇策略沒有針對性、時間複雜度高，窗口冗餘；另一方面手工設計的特徵魯棒性較差。自深度學習出現之後，目標檢測取得了巨大的突破，最矚目的兩個方向有：1 以RCNN爲代表的基於Region Proposal的深度學習目標檢測算法

>>阅读原文<<