Note: This article is available in Chinese only. 本文暂无英文版本。
View original
对象检测（Object Detection）的目的是”识别对象并给出其在图中的确切位置”，其内容可解构为三部分：
- 识别某个对象（Classification）；
- 给出对象在图中的位置（Localization）；
- 识别图中所有的目标及其位置（Detection）。
本文将介绍滑动窗口这一方法.
滑动窗口#
滑动窗口是这些方法中最暴力的一个.简单来说,就是暴力枚举侯选框的尺寸和位置,每次crop得到一张小图,将每个小图送进后面的分类器进行分类.
早年后面通常会接一个计算量比较小的分类器,比如SVM,随着算力的提升,现在常常后面会接CNN.
值得一提的是,原始的滑动窗口方法是将每个小图,分别放入后面的分类器.但是实际上,小图和小图之间,是有overlap的,也就是说做了很多重复的计算.
因此一个显然的改进是使用CNN来实现滑动窗口算法,
这种方法的优点是比较无脑,实现和理解起来都很简单.缺点是计算量还是比较大.