假设我们需要识别汽车图像中车牌的位置，利用深度学习目标检测技术可以采取基于锚框的模型，但这需要在大量图像上训练模型。
但是，级联分类器可以作为预训练文件直接使用，我们可以使用它来识别汽车图像中车牌的位置。级联分类器由多个级联的分类器组成，每个分类器都是一个弱分类器(如 haar 特征分类器)。级联分类器通过级联地应用这些弱分类器来逐步筛选出目标对象。
在级联分类器中，每个级别都有一个分类器，根据特征判别规则对输入图像进行分类。如果一个图像区域被当前级别的分类器判定为非目标，则该区域将被丢弃，不再参与后续的分类器判断。只有当一个图像区域通过了所有级别的分类器判断，才会被认定为目标对象。
这些分类器类似于卷积核，但与深度神经网络需要学习的卷积核不同，级联分类器采用的卷积核列表是经过事先标识和筛选的，只有当多数卷积核都对目标进行了正确分类时，才会给出良好的分类得分。例如，一个面部级联分类器有多达 6,000 个核来处理面部区域，其中一些可能的核如下所示：
这些级联分类器也被称为 haar 级联分类器。
接下来，利
数据处理和机器学习技术的结合为数据驱动的业务增长和创新提供了强大的支持。Python作为数据处理和机器学习的首选语言，通过其丰富的库和框架为数据科学家和机器学习工程师提供了强大的工…
Python从0到100（三十九）：数据提取之正则（文末免费送书）
Python pygame贪吃蛇小游戏 (200行完整代码+注释+可运行）
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
我要评论
发表评论