百度飞桨《目标检测7日打卡营》笔记整理（2020-09-21）

2020-09-21 目标检测任务综述

1）图片分类、目标检测（分类+定位、多物体分类+定位）、实例分割  的区别和联系；

2）应用场景：新零售货架商品检测、行人检测、车辆检测、零件计数、产品缺陷检测、图片视频审核、地块检测、遥感目标检测、表计巡检、设备状态监控、人脸检测、眼底病变检测、肺炎检测、工服安全帽识别、烟火异常检测

3）目标检测存在的挑战：环境影响（光照、模糊）、密集(crowded)、遮挡(occluded)、重叠(highly overlapped)、多尺度（大目标、小目标）、小样本、旋转框

4）存在挑战（续）：云端边缘设备算力瓶颈：模型体积如何变小？怎么减少计算功耗？如何做到预测时间达到实时检测？

5）另外检测任务也有些重要的细分领域：人脸检测、文字检测、行人检测、车辆检测、物体3D检测并重建、通用检测

6）检测算法发展：2012年是个分界点，之前以传统特征检测为主，后面以深度学习检测为主线；后期也分单阶段检测和双阶段检测2个路线；

 

传统目标检测算法：

区域选择（滑动窗口）-->提取特征（SIFT、HOG）-->分类（SVM、Adaboost）-->后处理（NMS：过滤框）

相关概念： Proposal Region; Region of Interest (RoI) 

深度学习的优势：

传统的缺点：模板匹配误报高、算法适应性差、解决问题有限、开发维护成本巨大

造成原因：待识别目标千变万化、不同产线产品细微差别需要重复开发、复杂背景纹理难处理、新缺陷新Trick需要不断新补丁

到达一定的效果后传统方法无法继续提高性能。

后面的内容老师的ppt非常清晰，质量很高，仅附上ppt：