物体检测

本文深入探讨了物体检测的基础知识、常用算法以及物体检测的分步指南。

8月4日，清华大学计图(Jittor)团队发布了遥感图像物体检测算法库JDet，支持S2ANet，Gliding，RetinaNet,Faster R-CNN等主流的遥感图像物体检测模型。希望借助Jittor的性能优势和能较好地支持国产操作系统和芯片的特点，为我国的遥感领域的进步做贡献。

给出了目前目标检测中的一些问题和挑战。

你的物体探测器能检测出下图中的人和马吗？如果同样的图像旋转90度会怎样？还能探测到人和马吗？

在本文中，我们将讨论目标检测模型和Objectness的基础知识。

在物体检测的各种实际应用场景中，为满足需求，我们通常希望 检测出不同大小的物体。在多尺度的物体中，大尺度的物体由于面积大、特征丰富，通常 来讲较为容易检测。难度较大的主要是小尺度的物体。

给大家介绍图像标注的种类，应用场景，以及各种标注的优缺点。

毫无疑问，卷积神经网络给深度学习带来了一场伟大的革命。它们使我们能够提取出很难从全连接的层中得到的特征。

在计算机视觉中，检测小目标是最有挑战的问题之一。本文给出了一些有效的策略。

物体分割属于图像理解的范畴，但图像理解包含众多，如包含着图像分类、物体检测、语义分割和实例分割等具体的问题。要想区分这些概念，就需要弄清楚每个问题具体研究什么，或者说对于图像的处理这个几个方式具体如何，目的又是得到什么效果。