综述 | 基于深度学习的目标检测算法

计算机视觉是人工智能的关键领域之一，是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务，主要对图像或视频中的物体进行识别和定位，是AI后续应用的基础。

因此，检测性能的好坏直接影响到后续目标追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于理解，但随目标大小而变化的窗口对图像进行从左至右、从上至下的全局搜索导致效率低下。 1为了在滑动窗口检测器的基础上提高搜索速度，选择性搜索方法（selective search method）孕育而出，基于这一想法采用子区域合并的方式进行候选区域的提取从而确定目标。有助于确定目标之间的关系，以及目标在图像中的上下文。应用包括人脸识别、车牌识别和卫星图像分析。例如，零售和时尚等行业在基于图像的搜索中使用了图像分割。自动驾驶汽车用它来了解周围的环境

目标检测和人脸检测

这些应用包括识别数字图像中特定类的目标实例。语义对象可以分类成类，如人脸、汽车、建筑物或猫。

人脸检测 - 一种用于许多应用的目标检测，包括数字相机的生物识别和自动对焦功能。算法检测和验证面部特征的存在。例如，眼睛在灰度图像中显示为谷地。

医学影像 - 从医学影像中提取临床相关信息。例如，放射学家可以使用机器学习来增强分析，通过将图像分割成不同的器官、组织类型或疾病症状。这可以减少运行诊断测试所需的时间。

随着技术的普及，各家企业的框架逐渐成熟化，图像分割技术的门槛会越来越低。但是由于实际业务的不断丰富和深入，开源框架和工具也已经无法直接满足实际生产和业务需求。那么为了让大家更好地掌握图像分类和分割，现邀请到人工智能实战专家的唐宇迪博士，专为深度学习的同学开设了图像目标检测算法训练营【实战篇】

2天搞定图像目标检测算法及实战

从理论基础到核心原理

集中精力各个击破！