我是计算机视觉的新手，有人能告诉我在自然图像中进行物体检测的步骤吗？（此处对象指徽标）。我根据自己的理解起草了以下步骤：
问题陈述：假设有20个参考徽标，给定一个自然图像，说明图像中存在哪个徽标以及在哪个位置（边界框）。
步骤1:收集许多（即100个）包含相应徽标的图像，并裁剪出徽标区域。因此，每个徽标有100个示例。此步骤的目的是处理不同条件下的徽标，如照明、旋转等。
步骤2:收集不包含任何徽标的随机图像。
步骤3:提取特征，例如徽标和随机图像，使用SIFT功能。
步骤4:现在，该问题变成了一个多类分类问题。有21个类别，20个类别对应20个徽标，1个类别对应随机图像。
问题1: 使用哪个分类器？什么是输入，什么是输出？
步骤5:给定测试图像，提取SIFT特征，使用所有特征作为输入？
问题2: 对于测试图像，使用什么作为输入以及如何进行分类来判断它是否包含徽标，以及它是哪个徽标？
问题3: 如何确定检测到的徽标的位置？
问题4： 有图像标签或裁剪工具吗？
如果我的程序不正确，请告诉我如何一步一步地完成。提前感谢！！
问题1:我可以建议您使用支持向量机。它是一个简单但功能强大的分类器，适用于数据集较小的任务。对于大多数流行的编程语言来说，很容易找到SVM的实现。您应该为具有或不具有相同大小徽标的补丁提取SIFT（或任何其他）特征，并将其用作分类器输入。地面实况分类标签是标志名称和一些用于清洁补丁的标签。所以，如果你有20个标志，你就会有21个不同的类别标签。
问题2和问题3:您应该使用滑动窗口技术。它的本质在于，你可以用一些步幅裁剪测试图像的补丁，并使用分类器来预测是否有标志。例如，你可以在这里阅读更多关于它的信息。
问题4:似乎该线程已经找到了答案：图像标记和注释工具
一些建议：
- Bootstrapping可以帮助您找到最难的没有徽标的分类器补丁
- 使用交叉验证来确定SIFT、SVM或最佳补丁大小的最佳参数
祝你好运！