图像识别技术与应用

· 识别图片中有哪些物体并且找到物体的存在位置
多任务：位置 + 类别
目标种类与数量繁多的问题
目标尺度不均的问题
遮挡、噪声等外部环境干扰
VOC数据集：PASCAL VOC挑战赛(The PASCAL Visual Object Classes)是一个世界级的计算机视觉挑战赛。
4大类，20小类
VOC 2007：9963图片        /24640目标
VOC 2012：23080图片   /54900目标
· COCO数据集：起源于微软2014年出资标注的MS COCO数据库。包含20万个图像
80个类别
超过50万个目标标注
平均每个图像的目标数是7.2
YOLO(TXT)格式：
(x,y,w,h)
分别代表中心点坐标和宽、高
x,y,w,h均为归一化结果
VOC(XML)格式：
(Xmin,Ymin,Xmax,Ymax)分别代表左上角和右下角的两个坐标。
COCO(JSON)格式：
(Xmin, Ymin, W, H)，其中x,y,w,h均不是归一化后的数值，分别代表左上角坐标和宽、高
目标检测的评估指标
生成的预测结果会非常多
首先过滤掉低类别置信度的检测结果
使用IoU作为边界框正确性的度量指标
anchor box用ratio+scale描述
feature map的点来决定位置
scale来表示目标的大小（面积大小）
aspect ratio来表示目标的形状（长宽比）
anchor-base
anchor-base是自顶向下的
类似于传统方法，滑动窗口法穷举出许多，然后再根据置信度之类的进行筛选
anchor-free
anchor-free是自底向上的
想办法自动生成，不穷举
free掉了anchor的预设过程
常见two stage算法
经典发展线：R-CNN、SPP-Net、Fast R-CNN、  Faster R-CNN
其他：Cascade R-CNN、Guided Anchoring
 常见one stage算法
YOLO系列：YOLO v1-v5
SSD系列：SSD、DSSD、FSSD
其他经典：RefineDet
 非极大值抑制(Non-maximum suppression,NMS)
设定目标框的置信度阈值，常用的阈值是0.5左右
根据置信度降序排列候选框列表
选取置信度最高的框A添到输出列表，将其从候选框列表删除
候选框列表中的所有框依次与A计算IoU，删除大于阈值的候选框
重复上述过程，直到候选框列表为空，返回输出列表