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)