自從 AlexNet 獲得 ILSVRC 2012 挑戰(zhàn)賽冠軍后，用 CNN 進(jìn)行分類成為主流。一種用于目標(biāo)檢測的暴力方法是從左到右、從上到下滑動(dòng)窗口，利用分類識(shí)別目標(biāo)。為了在不同觀察距離處檢測不同的目標(biāo)類型，需要使用不同大小和寬高比的窗口。

滑動(dòng)窗口（從左到右，從上到下）

我們根據(jù)滑動(dòng)窗口從圖像中剪切圖像塊。由于很多分類器只取固定大小的圖像，因此這些圖像塊是經(jīng)過變形轉(zhuǎn)換的。但是，這不影響分類準(zhǔn)確率，因?yàn)榉诸惼骺梢蕴幚碜冃魏蟮膱D像。

將圖像變形轉(zhuǎn)換成固定大小的圖像

變形圖像塊被輸入 CNN 分類器中，提取出 4096 個(gè)特征。之后，我們使用 SVM 分類器識(shí)別類別和該邊界框的另一個(gè)線性回歸器。

滑動(dòng)窗口檢測器的系統(tǒng)工作流程圖