目标检测与跟踪代码python 目标检测代码实现

目录

• 一、目标检测 VS 图像分类 VS 图像分割
• 二、目标检测

• 1、目标检测基础理论
• 2、基于深度学习的目标检测

• Two-stage流程
• One-stage流程

• 3、人脸业务场景

• 三、代码实践

一、目标检测 VS 图像分类 VS 图像分割

理论学习：视频推荐 图像分类只需要将图片分类别即可，目标检测，先定位再分类

目标定位/检测：大体定位出框子

语义分割：相同语义的为一类颜色，图中紫色，像素级别

实例分割：每个物体精确分割好，再细分1，2

二、目标检测

1、目标检测基础理论

流程：

two stage：

先选择候选框，对框中像素进行特征提取（浅层的：颜色，hog直方图），对框子进行分类判决svw，通过非极大值致抑制的方法进行分类框合并。

one stage：下面蓝色部分，直接预测输出（4个位置+1个置信度+c维的分类情况），而不用上面的那种分别进行pooling抠图，再分类回归的过程。

2、基于深度学习的目标检测

Two-stage流程

One-stage流程

在嵌入式使用中，倾向于使用one-stage速度快

3、人脸业务场景

三、代码实践

锚点、先验框是事先超参设置好的，然后根据训练结果进行两者的微调。

参考1：目标检测先验框和模型原理 参考2：anchor锚点

参考3：代码部署视频，此博主代码已实验过，可以正常运行