目标检测基础知识

基础知识

• mAP:mean Average Precision  即各类别AP的平均值
• Precision:   模型预测的所有目标中，预测正确的比例（查准率）
• Recall：     所有正是目标中，模型预测正确的目标比例（查全率）
• AP：P-R曲线下的面积
• P-R曲线，Precision-Recall曲线
• confidence（置信度）：描述模型认为此预测边界框包含某类别目标的概率，值越大表明模型                                          更加确定自己检测结果的准确性。
• FPN：Feature Pyramid Networks
• RPN：region Proposal Networks
• 非极大值抑制：寻找得分最高的目标，计算其他目标与该目标之间的iou值，删除所有iou值大于给定阈值的目标

目标检测两种形式：

One-stage（SSD YOLO）

• 基于anchor直接进行分类以及调整边界框

Two-Stage (Faster-RCNN):

• 生成候选框（RPN），寻找前景，以及调整边界框（基于anchor）
• 基于之前生成的候选框进一步进行分类以及调整边界框（基于proposals）