[数据挖掘新闻] 使用深度学习进行对象检测：更快的R-CNN，YOLO，SSD [推广有奖]

使用深度学习进行对象检测：更快的R-CNN，YOLO，SSD
在这篇文章中，我将说明对象检测和各种算法，例如Faster R-CNN，YOLO，SSD。我们将从初学者的水平开始，直到了解对象检测的最新技术，了解每种方法的直觉，方法和显着特征。
什么是图像分类？
图像分类拍摄图像并预测图像中的对象。
识别图像中对象（给定类别）的位置的问题称为定位。但是，如果不知道对象类别，则我们不仅必须确定位置，还必须预测每个对象的类别。
与类一起预测对象的位置称为对象检测。 代替从图像预测对象的类别，我们现在必须预测该类别以及包含该对象的矩形（称为边界框）。它需要4个变量来唯一标识一个矩形。因此，对于图像中对象的每个实例，我们将预测以下变量：
班级名称，
bounding_box_top_left_x_coordinate，
bounding_box_top_left_y_coordinate，
bounding_box_width，
bounding_box_height
本文介绍了以下技术：
使用猪功能进行物体检测
基于区域的卷积神经网络（R-CNN）
空间金字塔合并（SPP-net）
快速R-CNN
更快的R-CNN和基于回归的检测器
YOLO（只看一次）
单发检测器（SSD）

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！