目标检测中的易混淆概念与细节问题

在学习目标检测的过程中，遇到很多含混不清的的概念，记录下来，与大家交流，欢迎留言讨论。

1、目标检测中的 正/负样本：

样本即预测出来的box。Faster R-CNN中的anchor boxes以及SSD中的特征图中的default boxes，这些框中的一部分被选为正样本（正确识别目标），一部分被选为负样本（出现误检），另外一部分被当作背景或者不参与运算。不同的框架有不同的策略，大致筛选策略是根据IOU的值，选取个阈值范围进行判定。two-stage算法会在生成RP阶段保证正：负=1:3，包括YOLO在内的大部分one-stage算法无此环节。

 

2、目标检测中的（样本）类别不平衡问题：

在训练的过程中要特别注意均衡正负样本之间的比例。 因为，因为负样本占比过大会使得模型的参数迭代方向偏离重心，由“把正要样本正确识别为正样本”偏向为“不把负样本误认为正样本”。one-stage目标检测算法在训练时会将所有框（正负样本）投入训练，因此普遍存在类别不平衡的问题。解释了为什么one-stage算法相比two-stage算法检测精度（mAP）较低。

 

3、Hard-Negative Mining ：

负样本是指相对于正样本，不含有目标的样本。负样本包括很多，有完全不包含目标的的，也有部分含有的，也就是容易/不容易被分为负样本的。其中较容易被判定是负样本（比如全是背景）的对于训练并不能起到很好的监督作用。需要找一些难划分的负样本来增强网络的判别性能。在训练好分类器之后进行分类，但分类器效果不是很好，会得到一些错误的正样本，这个时候这些判别错误的样本可以作为负样本继续训练网络。

 

3、目标检测中的"训练集类别比例失调"问题：

Yolo算法以在训练数据集中随机抽取组成的一个批次内的所有图片，作为网络迭代一次的依据。某类别图片占比过小，会使得此次迭代对该类效果较小；

 

4、Confidence（置信度）in YOLO：

 

5、Score（类别置信度）in YOLO：

解释了为什么通过降低thresh，增加的边界框绝大多数类别正确，仅仅是位置不够准确，因为类别精度和置信度无关。

 

6、Post-Possess（后处理，不参与训练）in YOLO： 

（1）“阈值筛选”：针对每个类别的所有边界框的对应score；

（2）“NMS 筛选”：针对所有边界框，保证没有重复的边界框；

（3）“Score 筛选”：针对每个边界框，保证一个框对应一个目标；

（4）“Thresh 筛选”：针对所有边界框，保证定位精度；

出自YOLOv3论文： “We still train on full images with no hard negative mining or any of that stuff”

说明YOLOv3算法不存在负样本筛选的过程，所以在负样本占比过高这一点上仍有改进空间。

 

7、Anchor in YOLO：

YOLOv3的anchor是通过聚类而固定的，若一开始就选择了更好的、更有代表性的先验 Anchor Boxes，那么网络就更容易学到准确的预测位置。 Faster R-CNN 中 Anchor Box 的大小和比例是按经验设定的，然后网络会在训练过程中调整 Anchor Box 的尺寸。说明在Anchor的设置上仍有改进空间。

 

9、Two-Stage in Detection：

两阶段方法包括两部分：第一部分（例如：Selective Search，RPN ）生成一个稀疏的region proposal集合，第二部分进一步分类和回归，使用卷积网络确定准确的对象区域和相应的类别标签。

two-stage生成RP

 

8、one-stage in Detection：

YOLO 使用单个前馈卷积网络直接预测对象类和位置。 SSD 方法在多个 ConvNet 层扩展了不同尺度的 固定的anchors，强制每个层专注于预测确定的尺寸对象。 YOLOv2 添加所有卷积层上的批量标准化，使用带 anchor boxes 的卷积层替代全FC层来预测 bounding boxes 等。YOLOv3引入resnet、FPN同时增加anchor boxes的数目。YOLO系算法将所有样本投入迭代训练。

SSD