简单目标检测

Question

我想创建一个简单的对象检测工具。从根本上说，我们会给工具提供一张图像，从它那里可以检测到物体的数量。

例如

餐桌上有特定物品的形象，如盘子、杯子、叉子、勺子、瓶子等。

不管对象的类型如何，该工具只需要识别对象的数量。在识别之后，它应该返回对象的位置和它的大小，这样我就可以在它上面画一个边界。

我不想使用任何库或API存在，如张流，OpenCV等。

如果在不使用API的情况下很难创建这个过程，那么它作为对象的对象的数量/类型也是有限的，但是由于这个项目将用于我的教育/学习目的，有人能帮助我理解实现这个目标的逻辑吗？例如，它可能忽略了桌子上的餐巾纸被算作物体。

Answer 1

首先，您必须有一个对象检测器来识别不同的对象。在此之后，您必须对检测器的结果进行后处理，以计算数字。基本上，由于检测器找到的标签数量有限，所以无法识别所有对象。由于这个原因，我强烈建议您在您提到的库中使用内置模型，因为培训检测器模型非常耗时，需要适当的艰苦工作。如果你想学点什么，看看已经存在的论文，试着去实现它们。在这种情况下，有很多的研究，我把它们分开了。

1. 基于像素的分类技术
2. 基于YOLO的技术

这是一个一般的分类，可能没有任何共识，但这是一些东西，显示你的主流方向。

我想ImageNet数据集包含标签时钟。在实现您想要的模型之后，尝试将它们与另一个标签一起使用。不要使用所有需要时间的标签来训练你的模型。

Answer 2

这取决于你的教育程度和你想要的准确性。给出了两种不同类型的目标检测算法: 1.基于提案的目标检测算法由两部分组成:提案生成算法和对象分类算法。这种方法的例子是快速rcnn和更快rcnn .2.基于像素/区域的目标检测算法将图像分割为单元/网格，然后对每个部分进行分类，然后对这些识别进行处理。Yolo就是这个类别的一个例子。

一般来说，当我们评估一个对象检测时，我们关心的是性能和速度，并不是真正建议重新发明轮子，但是如果您真的对学习和实现自己的解决方案感兴趣，我建议如下: 1-使用现有的提案生成，我建议边缘框2-训练一个分类模型来分类所提议的区域。