深度学习处理图像：汽车检测

深度学习处理图像：汽车检测： 目标检测是一个程序，它用来确定图像的某个区域是否含有要要识别的对象，对象识别是程序识别对象的能力。 常规的机器学习方法，包括训练和应用两个过程。 训练：需要构建训练集（包括正负样本），使用HOG、SIFT等特征描述获取特征，使用SVM（支持向量机）、决策树等对上一步获取的特征和对应的标签（标签指：正样本或者负样本）进行训练（训练指：自动生成SVM或者决策树等的参数，使其可以用来分类）。 应用：提取需要识别的图片的HOG、SIFT等特征，使用训练好的SVM或者决策树对提取的特征进行分类。 通过神经网络训练正负样本，可以直接识别。 考虑到应用场景为汽车检测，神经网络有两个缺陷，第一、神经网络需要大量的并行计算，占用大量的空间，在FPGA、ARM等硬件上运行速度很慢；第二、神经网络本身相当于黑盒，中间数据无法获取、调试起来无从入手，增加了不确定性。所以，这里使用OpenCV进行图像处理。