文献综述
1.1 目标检测
1.1.1 基础概念
计算机视觉领域的三大任务有图像分类、目标检测、图像分割。其中分类任务更关心整体，即将整张图像结构化为一组特征，并将该特征进行分类，用事先确定好的类别来描述图片，而目标检测则关注图像中的所有特定的目标，要求同时获得目标的类别和位置信息（分类 定位）。对于目标检测，我们需要从背景中分理出感兴趣的目标，并确定这一目标的位置和类别，因此，往往检测的一种结果是一个序列，包含了目标的分类索引和边界框的数字表示。
目标检测的基本思路是：分类 定位，前者一般是使用softmax或logistic回归对目标和背景进行区分，后者则是通过回归对边界框的信息（位置 大小）进行预测。
1.1.2 传统目标检测框架
1）选择不同尺寸、不同步长的滑动窗口在整张图像上进行滑动，提取图中的某一部分作为候选区域；
2）对所选候选区域的图像块，提取其高维视觉特征，例如人脸检测中的Harr特征，行人检测等目标检测的HOG特征等；
3）利用SVM等分类器对提取的特这个进行识别、分类。
1.1.3 深度学习在目标检测领域中的应用
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
