点上方计算机视觉联盟获取更多干货

仅作学术分享，不代表本公众号立场，侵权联系删除

转载于：作者：Exposit

编译：ronghuaiyang  |  AI公园

AI博士笔记系列推荐

周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接

导读

给出了目前目标检测中的一些问题和挑战。

几年前，在图像中寻找并分类单个物体是一项极其困难的任务。今天，在计算机视觉的帮助下，数字设备可以简单快速地识别图像的内容，这为不同领域的视觉数据理解和分析开辟了新的途径。

现在的物体检测的作用是什么？

具有目标检测的设备可以找到目标，在其周围画出矩形边界框，并确定每个被检测目标的类别。目标检测应用程序应用于许多不同的行业，包括零售、体育、医疗保健、营销、室内设计、农业、建筑、公共安全、交通等。

使用计算机视觉目标检测的一个很好的例子是足球学校系统，旨在提高训练分析和俱乐部内比赛的质量。该平台允许用户使用摄像头跟踪足球运动员和足球在球场上的运动，并使用收集到的数据创建个人训练计划。

尽管在这一领域取得了巨大的进展，计算机视觉的能力也很强，但目标检测是一个复杂的过程，其实现需要经历一定的挑战。

目标检测面临的挑战有哪些？

• 视角的多样性

  物体检测的最大困难之一是，从不同的角度看一个物体可能看起来完全不同。例如，你可以在下面看到的蛋糕图片各不相同，因为它们从不同的侧面展示物体。因此，检测器的目标是从不同的角度来识别物体。

• 变形

  计算机视觉分析的主题不仅是一个固体目标，而且还可以变形和改变其形状，这为目标检测提供了额外的复杂性。

看看足球运动员摆出不同姿势的图片。如果物体检测器被训练为只发现站立或奔跑的人，它可能无法发现躺在球场上或准备弯腰做动作的球员。

• 遮挡

  有时，物体会被其他东西遮挡住，这使得人们很难辨认这些物体的标志。例如，在下面的第一张图片中，一个杯子被拿这个杯子的人的手盖住了。

在第二幅图中，一个人也拿着手机，手挡住了物体。这种情况增加了确定目标的困难。

• 光照条件

  照明对物体的定义有很大的影响。相同的物体会因光照条件的不同而看起来不同。看看下面的图片：照亮的空间越少，物体就越不可见。所有这些因素都会影响检测器定义目标的能力。

• 杂乱或有纹理的背景

  需要识别的物体可能会融入背景中，使其难以识别。例如，下图显示了很多物品，在识别剪刀或其他感兴趣的物品时，这些物品会造成干扰。在这种情况下，目标检测器将遇到检测问题。

• 多样性

  同一个物体可能有完全不同的形状和大小。计算机视觉需要做大量的研究来阅读一个物体并理解它的含义。

上面所有的图片都描述了不同类型的房子。一个好的检测器应该检测这些目标，并将它们分配给同一个类。

• 速度

  在视频方面，探测器需要经过训练，以便在不断变化的环境中进行分析。这意味着目标检测算法不仅必须准确地分类重要的目标，而且还必须在预测过程中具有令人难以置信的速度，以便能够识别运动中的目标。

-------------------

END

--------------------

我是王博Kings，985AI博士，华为云专家、CSDN博客专家（人工智能领域优质作者）。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容，欢迎一起交流学习、生活各方面的问题，一起加油进步！

我们微信交流群涵盖以下方向（但并不局限于以下内容）：人工智能，计算机视觉，自然语言处理，目标检测，语义分割，自动驾驶，GAN，强化学习，SLAM，人脸检测，最新算法，最新论文，OpenCV，TensorFlow，PyTorch，开源框架，学习方法...

这是我的私人微信，位置有限，一起进步！

王博的公众号，欢迎关注，干货多多

王博Kings的系列手推笔记（附高清PDF下载）：

博士笔记 | 周志华《机器学习》手推笔记第一章思维导图

博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”

博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”

博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”

博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）

博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（上）

博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（下）

博士笔记 | 周志华《机器学习》手推笔记第九章聚类

博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习

博士笔记 | 周志华《机器学习》手推笔记第十一章稀疏学习

博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论

博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习

博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型

点分享

点收藏

点点赞

点在看