如果只需要识别一个物体，是否有比 CNN 更有效的物体识别方法？
Is there a more efficient way than a CNN for object recognition if only one object needs to be recognized?
看来目前物体识别的行业标准是CNN。但是，如果一个系统只需要识别一种类型的对象（即人），是否有一种资源消耗较少的方法来识别给定的对象（可能是 SVM 或类似技术？）
如果人们指的是进入相机画面的任何人，那么我建议您看一下 camshift 算法。它类似于以下 link 中解释的 way.It 中的 k-means
Here it shows the process of how it tracks object and background for it.
你也可以检查一次Haar-Cascade。
Tracking faces,eye,nose etc. You just need to feed it with examples of how a face looks like
Hpoe 这有帮助！！
这取决于你要识别的对象。大多数情况下 CNN 会给出最好的结果，而且你有很多免费资源用于许多类型的对象（即 people）。对于找不到免费资源的对象，我认为没有针对它们的特定技术。
CNN 是解决问题的最佳方法（因为您正在学习表示对象的特征）。您必须考虑是要将问题作为二元问题（特定 object/background）还是作为实例（能够识别特定对象但同时能够识别同一对象的不同实例）对象）
看来目前物体识别的行业标准是CNN。但是，如果一个系统只需要识别一种类型的对象（即人），是否有一种资源消耗较少的方法来识别给定的对象（可能是 SVM 或类似技术？）
如果人们指的是进入相机画面的任何人，那么我建议您看一下 camshift 算法。它类似于以下 link 中解释的 way.It 中的 k-means Here it shows the process of how it tracks object and background for it.
你也可以检查一次Haar-Cascade。 Tracking faces,eye,nose etc. You just need to feed it with examples of how a face looks like
Hpoe 这有帮助！！
这取决于你要识别的对象。大多数情况下 CNN 会给出最好的结果，而且你有很多免费资源用于许多类型的对象（即 people）。对于找不到免费资源的对象，我认为没有针对它们的特定技术。
CNN 是解决问题的最佳方法（因为您正在学习表示对象的特征）。您必须考虑是要将问题作为二元问题（特定 object/background）还是作为实例（能够识别特定对象但同时能够识别同一对象的不同实例）对象）