OpenMMLab 实战营打卡-第4课

本节课主要内容为目标检测MMDetection的理论部分。

首先，什么是目标检测？

分类：给一张图，直接告诉图里有什么。 “类别”。

目标检测：给一张图片，用矩形框框出所有感兴趣物体，同时预测物体类别。 “位置+类别”。

目标检测的一些应用：人脸识别（身份识别+属性分析），智慧城市（如下图），自动驾驶（环境感知+路径规划与控制），下游视觉任务（光学字符识别+人体姿态估计等算法）

图像分类vs目标检测

流程：

滑窗

滑窗的效率问题

改进思路2：分析滑窗中的重复计算

特征图只算一次，后面分类计算不止一次。

在特征图上进行密集预测

密集预测实际上是一种隐式的滑窗方法，计算效率远高于滑窗。

目标检测的基本范式

两阶段方法、单阶段方法

目标检测的演进发展

算法基础知识

框，边界框

框相关概念

1.分割里面区域不等于框，目标检测里区域等同于框。

2.区域提议一般只在二阶段网络里有。

交并比计算

交/并

置信度

简单时置信度就是分类模型预测的概率，不过也有一些YOLO模型使用加权等方法去提升准确度。

非极大值抑制NMS

边界框回归

（预测更精准的边界，这是一个回归问题）

边界框编码

数值范围比较大或者不太规律，网络预测比较难，做一个对数意义的归一化，网络预测不是偏移量的绝对值，而是编码后的值，让回归目标变得容易些，推理时再逆向求出坐标绝对值。

产生问题

降低区域建议的计算成本

朴素方法的局限性

改进——

锚框Anchor

二阶段算法

单阶段算法

YOLO

SSD

SSD的损失函数

为解决该问题，降低简单负样本的损失

Focal Loss

RetinaNet(2017)

YOLOv3(2018)

YOLO系列逐渐发展······

无锚框目标检测算法（anchor free）

不基于框预测，基于点。特征预测物体相对于点的位移。

CenterNet(2019)

Detection Transformers

DETR(2020)

序列  到  序列

问题是收敛特别的慢

改进——

Deformable DETR(2021)

聚焦机制不再是通过attention机制学出来的，而是基于query feature来预测我需要关注图像特征的哪个位置，以及它所对应的weight，加权。

目标检测模型的评估方法

准确率和召回率

PR曲线和AP值