當(dāng)前位置：首頁(yè) > 新聞資訊 > 機(jī)器人開(kāi)發(fā) > 傳統(tǒng)目標(biāo)檢測(cè)算法對(duì)比

傳統(tǒng)目標(biāo)檢測(cè)算法對(duì)比

來(lái)源：智東西編輯：創(chuàng)澤時(shí)間：2020/6/1 主題：其他 [加盟]

方法	分類(lèi)	算法邏輯	優(yōu)點(diǎn)	缺點(diǎn)	適用場(chǎng)合
SIFT	實(shí)例檢測(cè)	提取平移、縮放、旋轉(zhuǎn)不變的描述子用以匹配	檢測(cè)特征豐富，具有優(yōu)秀匹配效果	g 暈大，檢測(cè)就慢	圖像識(shí)別（無(wú)速度要求）、圖像拼接、圖像恢復(fù)等
PCA-SIFT	實(shí)例檢測(cè)	PCA降維減少運(yùn)算	酗速度獲得改善	不完全仿射不變，檢測(cè) 精度不高	驪點(diǎn)匹配
SURF	實(shí)例檢測(cè)	近似Hessian矩陣，積分圖減少降采樣	檢測(cè)速度快，精度較高，綜合性能好	過(guò)于依蛭方向的缺準(zhǔn)確度	物體識(shí)別、3D重構(gòu)
ORB	實(shí)例檢測(cè)	Fast檢蹄征點(diǎn),Brief 計(jì)橢征點(diǎn)描述子	檢測(cè)速度快，檢測(cè) 精度良好	不具備尺度不變性	實(shí)時(shí)視頻處理
VJ	類(lèi)別檢測(cè)	Haar+AdaBoost 檢測(cè)目標(biāo)，級(jí)聯(lián)減少計(jì)算量	第一種能夠?qū)崟r(shí)檢測(cè)的人臉檢測(cè)算法	準(zhǔn)確率f,魯棒性不足	AI璀涵唇欄

查看更多相似文章

基于深度學(xué)習(xí)和傳統(tǒng)算法的人體姿態(tài)估計(jì)，技術(shù)細(xì)節(jié)都講清楚了

人體姿態(tài)估計(jì)便是計(jì)算機(jī)視覺(jué)領(lǐng)域現(xiàn)有的熱點(diǎn)問(wèn)題，其主要任務(wù)是讓機(jī)器自動(dòng)地檢測(cè)場(chǎng)景中的人“在哪里”和理解人在“干什么”

讓大規(guī)模深度學(xué)習(xí)訓(xùn)練線性加速、性能無(wú)損，基于BMUF的Adam優(yōu)化器并行化實(shí)踐

Adam 算法便以其卓越的性能風(fēng)靡深度學(xué)習(xí)領(lǐng)域，該算法通常與同步隨機(jī)梯度技術(shù)相結(jié)合，采用數(shù)據(jù)并行的方式在多臺(tái)機(jī)器上執(zhí)行

音樂(lè)人工智能、計(jì)算機(jī)聽(tīng)覺(jué)及音樂(lè)科技

音樂(lè)科技、音樂(lè)人工智能與計(jì)算機(jī)聽(tīng)覺(jué)以數(shù)字音樂(lè)和聲音為研究對(duì)象，是聲學(xué)、心理學(xué)、信號(hào)處理、人工智能、多媒體、音樂(lè)學(xué)及各行業(yè)領(lǐng)域知識(shí)相結(jié)合的重要交叉學(xué)科，具有重要的學(xué)術(shù)研究和產(chǎn)業(yè)開(kāi)發(fā)價(jià)值

【深度】未來(lái)5-10年計(jì)算機(jī)視覺(jué)發(fā)展趨勢(shì)為何？

專(zhuān)家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國(guó)鋒)從計(jì)算機(jī)視覺(jué)發(fā)展歷程、現(xiàn)有研究局限性、未來(lái)研究方向以及視覺(jué)研究范式等多方面展開(kāi)了深入的探討

華南理工大學(xué)羅晶博士和楊辰光教授團(tuán)隊(duì)發(fā)文提出遙操作機(jī)器人交互感知與學(xué)習(xí)算法

羅晶博士和楊辰光教授團(tuán)隊(duì)提出，遙操作機(jī)器人系統(tǒng)可以自然地與外界環(huán)境進(jìn)行交互、編碼人機(jī)協(xié)作任務(wù)和生成任務(wù)模型，從而提升系統(tǒng)的類(lèi)人化操作行為和智能化程度

實(shí)時(shí)識(shí)別卡扣成功裝配的機(jī)器學(xué)習(xí)框架

卡扣式裝配廣泛應(yīng)用于多種產(chǎn)品類(lèi)型的制造中，卡扣裝配是結(jié)構(gòu)性的鎖定機(jī)制，通過(guò)一個(gè)機(jī)器學(xué)習(xí)框架將人類(lèi)識(shí)別成功快速裝配的能力遷移到自主機(jī)器人裝配上。

基于多任務(wù)學(xué)習(xí)和負(fù)反饋的深度召回模型

基于行為序列的深度學(xué)習(xí)推薦模型搭配高性能的近似檢索算法可以實(shí)現(xiàn)既準(zhǔn)又快的召回性能，如何利用這些豐富的反饋信息改進(jìn)召回模型的性能

張帆博士與Yiannis Demiris教授團(tuán)隊(duì)提出高效的機(jī)器人學(xué)習(xí)抓取衣服方法

機(jī)器人輔助穿衣通常人工的將衣服附在機(jī)器人末端執(zhí)行器上，忽略機(jī)器人識(shí)別衣服抓取點(diǎn)并進(jìn)行抓取的過(guò)程，從而將問(wèn)題簡(jiǎn)化

百度算法大牛35頁(yè)P(yáng)PT講解基于EasyDL訓(xùn)練并部署企業(yè)級(jí)高精度AI模型

百度AI開(kāi)發(fā)平臺(tái)高級(jí)研發(fā)工程師餅干老師，為大家系統(tǒng)講解企業(yè)在AI模型開(kāi)發(fā)中的難點(diǎn)，以及針對(duì)這些難點(diǎn)，百度EasyDL專(zhuān)業(yè)版又是如何解決的

Technica公司發(fā)布智能霧計(jì)算平臺(tái)技術(shù)白皮書(shū)

SmartFog可以輕松地將人工智能分析微服務(wù)部署到云、霧和物聯(lián)網(wǎng)設(shè)備上，其架構(gòu)支持與現(xiàn)有系統(tǒng)的靈活集成，提供了大量的實(shí)現(xiàn)方案,要用下一代人工智能算法來(lái)彌補(bǔ)現(xiàn)有解決方案的不足。