传统上,目标检测是通过卷积神经网络来实现的。通常,它们的架构是专门针对目标检测设计的,因为它们将图像作为输入并输出图像的边界框。如果你熟悉神经网络,你就知道卷积网络在学习图像中的重要特征方面非常有用,并且它们是空间不变的——换句话说,学习对象在图像中的位置或大小是无关紧要的。如果网络能够看到对象的特征,并将其与特定类别关联起来,那么它就能识别出来。例如,许多不同的猫都可以被识别为猫类的实例。
© 版权声明
传统上,目标检测是通过卷积神经网络来实现的。通常,它们的架构是专门针对目标检测设计的,因为它们将图像作为输入并输出图像的边界框。如果你熟悉神经网络,你就知道卷积网络在学习图像中的重要特征方面非常有用,并且它们是空间不变的——换句话说,学习对象在图像中的位置或大小是无关紧要的。如果网络能够看到对象的特征,并将其与特定类别关联起来,那么它就能识别出来。例如,许多不同的猫都可以被识别为猫类的实例。