文章目录
目标检测问题定义
介绍
目标种类与数量问题：种类不同。种类越多，难度越大。数量越多（遮挡），难度越大。
目标尺度问题：同一种类的物体，也会有不同的尺度。尺度变化越大，目标检测的难度越大。尤其是在尺度非常小的时候。由于物体是运动的，所以尺度上也会变化。
一张图片，他的物体和数量都是不确定的，这就是目标检测的目的。位置一般是矩形框，在矩形框内，我们还要做目标分类。对于目标检测问题，我们用到的网络是多任务的网络，通常完成目标位置的定位和目标分类。
目标检测和图像分类、图像分割的区别
框上的数值，是置信度，当前检测框属于查找目标的概率值。我们通常会设定一个阈值，用于过滤分类概率低的目标。不同颜色的矩形框，表示不同的类别。
分类需要识别类别，检测还要识别出位置。目标分割，需要找到当前目标所占的区域。第3张图，是语义分割，第4章图，是实例分割。
目标检测问题方法
传统的手动设计特征，以及滑动窗口。设计特征往往很难设计，而且对于一些条件可能不适应或者不鲁邦，设计特征效率也是很低。另外滑动窗口提取目标框，流程也是非常耗时。
2012之后，利用深度学习卷积神经网络，在做目标检测，效果得到了很大的提升。一开始RCNN只是用神经网络用于特征的提取，后面当faster RCNN，彻底完成了端到端的网络。不需要在滑动窗口提取，而是通过RPN，来做候选框。Yolo是不需要候选框，而是直接用回归的方法，直接来找目标，他的速度非常的快，后面的精确度也随着Yolo的改进，得到了很大的提升。
传统目标检测
VJ：积分图特征+Adaboost分类起
HOG+SVM：主要用于行人检测
DPM：基于HOG的一种变种，DPM加入额外的策略，来提升精度，是除深度学习之外，最强的算法。在深度学习用到了一些DPM的概念，比如候选框。
深度学习目标检测
One-Stage：Yolo和SSD。
Two0-Stage：Faster-RCNN。先找出候选框，再做回归和分类。
2013-2018
传统 Vs 深度学习
深度学习往往通过不同的网络结构，来学习不同的特征。
传统目标检测综述
关于图像特征表示的一些方法，基于纹理，颜色，形状以及一些高层次语义的方法，这些方法是需要学习来找到的，比如抽取直方图特征或者纹理特征，HOG特征，这些稠密特征，通过PCA降维，或者LDA对特征进行空间的投影，对抽取的基本特征，来学习更鲁邦的特征出来。
传统的特征分类：低层特征、中层次特征（机器方法-特征挖掘-PCA-LDA）、高层次特征（语义特征）（将低、中层的特征，进一步挖掘）。
在传统目标检测方法中，主要集中低、中的特征。
对于候选区域提取的特征，进行分类判定。对于单类别目标检测，只需要判断窗口对象是否为要检测的目标即可。对于多分类问题，我们先看是否为背景，如果不是，再做多分类。
候选框可能存在重叠的情况，我们需要用NMS对于候选框进行合并，得到我们要检测的目标。
对于深度学习的目标检测方法，区别在于特征提取，变成CNN。区域提取，用RPN网络。（2-stages）
Viola-Jones
VJ：主要用于人脸检测。特征抽取采用Haar。
特征表示方式是直方图。包含不同种类的集成图特征。对于每一个像素点，我们会计算出一个值，这个值用白色区域减去黑色的区域，作为我们表示的一个值。
Edge表示相邻的像素点，进行差值。
HOG+SVM
行人的姿态，存在非常多的差异。所以行人的检测，存在一定的难度。
HOG特征，纹理特征的一种。HOG主要用于灰度图上。Gamma变化，就是对于值开平方根。计算每一点在x和y方向的梯度值，来计算梯度夹角。再将0-360，量化为若干个方向（18个方向，每个方向20度）。每个cell就是18维，相邻的4个cell组成block。通过组合，将特征归一化处理，让特征更加的鲁邦。
这里其实通过cell，可以看到一些yolo的影子。
DPM
DPM在进行特征检测，会基于HOG，但是比HOG处理的更加精细。HOG是计算梯度方向，所以是纹理特征的一种。对于方向特征，包括0-360度，我们成为有方向的梯度。如果是0-180，是无方向的梯度。
NMS 非极大值抑制
分数就是我们的框上面那个confidence，对于该类物体的置信度。
与最高的框，IOU大于阈值的框，删掉。完全不重叠，或者重叠很小的，被留下。然后重复。
soft-NMS不是直接删除，而是软抑制。是深度学习算法提出的一个小的技巧。
