aihot  2017-05-18 15:28:06  图像处理 |   查看评论   

 最近研究目标检测有感

最近研究目标检测有感 

     近来,一直在看有关目标检测的文章,尤其是关注这些文章所能解决的问题和创新点。主要原因有二:一是因为最近老板的项目催进度催得急,却总有些问题没办法解决,;另外一方面是自己想找些灵感,写篇把文章。文章倒是看了不少,下面写写心得。
    目标检测是计算机视觉应用的一个基础环节,在众多国内国外杂志和会议上是一直是一个热门的话题,为此,还专门举办如ICCV,ACCV,ECCV,CVPR等国际等级的会议。然而,尽管有这么多的研究者一直在研究这个问题,并不断的提出新的算法,新的解决Schemes,但是至今还没有一个能在某一个专门领域取得非常完美的Applications。纵观原因,其实不难发现,就是现实世界里遇到的问题总比想象中的多,解决起来比想象中的difficult。
    目标检测类的算法主要可以分为pixel-based , region-based以及integrate pixel-based and region-based,或者从另外一方面来说就是temporal-based, spatial-base, integrate temporal-based and spatial-based(当然有可能还包括spectral-based)。对于刚开始,一般都在关注pixel-based的,pixel-based算法比较简单,而且在现有的算法中已经举不胜举,并对于大多数场景也能取得比较好的效果如(codebook, GMM等),但是这些算法在应用的时候有效效果不太理想(如背景模型与前景信息similar时、场景中混有大量无规律噪声时、以及可能会出现场景信息丢失(如镜面反光时出现的大面积的白光))。面对这些难题,研究者们慢慢的又将注意力转移到region-based(spatial-based)上,希望在这上面取得一定的突破,令人鼓舞的是在这上面,研究学者们也作出了大量的成果,并解决了很多实际中遇到的问题(如LBP算子能够解决背景和前景相似的均匀区域,还有如clustering的方式解决只有部分目标的情况等)。然而,当老问题解决了,新问题还是会出现(这就验证了在科研领域解决的问题总比遇到的多)。于是,研究学者开始提出了 coarse-fine-hierarchical的multi-layer的思路,并进行了研究,也取得了客观的效果,在这里慢慢的将场景中的特征信息提到了应用场合上(主要有feature-based 和contour-matching-based),用通过训练classifier的方式来进行背景建模、前景检测(这方面典型的应用就是face detect)。而对于其他一些常见的问题,发现论文里也提到了相关的解决思路,尤其是看到“学习用于移动物体检测和分割的颜色和位置提示”的时候,发现很多问题是有思路的,只是我们想到问题的时候就已却步(推荐上面那文章,虽然复杂度可能比较高,而且对于实时应用没有意义,但是它是解决实际问题的一个成果,而且有很大的应用前景,具有很重要的借鉴意义)。
        还有一点,在一些文章里看到了feature pool的概念,而feature-based 的machine learning方法也在这方面研究也有一定的进展(如SVM)。就说这么多吧,希望对大家有所帮助。
  
 

除特别注明外,本站所有文章均为 人工智能学习网 原创,转载请注明出处来自最近研究目标检测有感

留言与评论(共有 0 条评论)
   
验证码: