非模板匹配目标识别算法

同一类目标形态不同、遮挡、背景复杂、目标混合
数据驱动的方法-机器学习

        HOG+支持向量机SVM

        卷积网络
但阶段方法、两阶段、DOTA-V1.0(大作业数据集)

Q:如何识别一张图片里的人？框出并给出置信度
数据：正训练样本（图片里面有人）负训练样本（没有人）
策略：滑动窗口(拿一个模板滑动，看哪块相似度最高---模板匹配，Q：窗口多大？从小窗口慢慢到大窗口一直滑动)
手工设计特征+SVM：           特征工程：Harr、区域协方差、SHapelets、HOG......(现在看来毫无意义？) 如HOG提取特征得到四个区域的梯度图
SVM支持向量机：找一条线，将向量分开，Q有很多条线用哪条呢？分类面离两类的边界距离最大,确保鲁棒性，克服噪声

Fast R-CNN 图片卷积得到特征图，将原图ROI部分对应的特征图部分池化,然后接分类头
Faster R-CNN 区域建议换为RPN都是双阶段法    
mask R-CNN.....
加金字塔特征
单阶段法：ssd、yolo、retinaNet-金字塔特征、Focal loss（解决类别不平衡问题）   

旋转目标的识别方法：水平boundingbox vs 旋转boundingbox    空洞卷积、特征回流、特征精修改变交并比....

视觉关系推理方法研究：机场+飞机，看见机场，对图片一架飞架掩码，于是推测有飞机
基于空间语义交互的一致性关系学习