- 滑动窗口和图像金字塔
- 线性分类
- 卷积神经网络
- 方向梯度直方图
- 非极大值抑制
- R-CNN 网络
本课程将会从传统的目标检测算法开始讲解,逐步过渡到基于深度学习的检测算法。其中将会详细讲解目标检测中常用的一些方法以及如何训练自己的目标检测网络模型,同时还将讲解一些处理数据集的基本方法。
目标检测广泛应用于我们的日常生活中,如自动驾驶、安保监控、医疗影像、机器视觉等领域,它是计算机视觉中一个活跃的研究领域。目标检测的发展可以分为两个阶段:传统检测算法和基于深度学习的检测算法。通过本课程的学习大家将会对以上两个阶段有一个初步的认识。
方向梯度直方图:
非极大值抑制:
卷积神经网络:
边框回归:
Spark 研发主管 某智能医疗信息技术公司 共发布过 2 门课程
查看老师的所有课程 >
学习了行人检测的基本流程,第一次接触,感觉很有意思,老师讲的透彻.
前面6章还能勉强看明白,后面3章感觉没有相关的基础知识就是看的云里雾里了
开始完全不明白了
开始有点难懂了
可以
学习了图像金字塔的实现以及与sliding_window配合,解决目标尺度变化的问题
学习了sliding_window方法,并进行绘图与显示
学习了候选区域、边框回归、生成器等基本知识
卷积神经网络的基本概念和其构成,并且亲自构建了一个卷积神经网络。
学习了神经网络的结构和其计算和训练原理
学习了非极大值抑制,交并比去除多余区域的作用及其原理
学习了图像分类的基本知识以及训练一个分类模型的流程
学习了方向梯度直方图的基本概念
学到使用图像金字塔结合滑动窗口的方法来标记出图像中不同尺寸的物体
nice