目标检测（第四课）

滑窗：1. 设定一个固定大小的窗口 2. 为了检测不同大小、不同形状的物体，可以使用不同大小、长宽比的窗口扫描图片 3. 遍历图像所有位置，所到之处用分类模型（假设已经训练好）识别窗口中的内容

改进思路1：区域提议

基于图像颜色或底层特征，找出可能含有物体 的区域，再送给神经网络识别 相比于普通滑窗，减少框的个数且保证召回率

改进思路2：分析滑窗中的重复计算

改进思路：用卷积一次性计算所有特征，再取出对应位置的特征完成分类

原图滑窗 👉 重叠区域重复计算卷积 ❌ 特征图滑窗 👉 重叠区域只计算一次卷积特征，与窗的个数无关 ✔️

置信度（Confidence Score）：模型认可自身预测结果的程度，通常需要为每个框预测一个置信度 大部分算法取分类模型预测物体属于特定类别的概率 ，部分算法让模型独立于分类单独预测一个置信度 我们倾向认可置信度高的预测结果

滑窗类算法通常会在物体周围给出多个相近的检测框 ，这些框实际指向同一物体，只需要保留其中置信度最高的

输入：检测器产生的一系列检测框 𝐵 = 𝐵1, … , 𝐵𝑛 及对应的置信度 𝑠 = 𝑠1, … , 𝑠𝑛 ，IoU 阈值 𝑡（通常0.7） 步骤： 1. 初始化结果集 𝑅 = ∅ 2. 重复直至 𝐵 为空集 ① 找出 𝐵 中置信度最大的框 𝐵𝑖 并加入 𝑅 ② 从 𝐵 中删除 𝐵𝑖 以及与 𝐵𝑖 交并比大于 𝑡 的框 输出：结果集 𝑅

问题 滑窗（或其他方式产生的基准框）与物体精准边界通常有偏差 处理方法 ，让模型在预测物体类别同时预测边界框相对于滑窗的偏移量。 多任务学习:

多尺度检测的必要性

图像中物体大小可能有很大差异 (10 px ~ 500 px) 多尺度技术出现之前，模型多基于单级特征图进行预测，通常为主干网络的倒数第二层，受限于结构 （感受野）和锚框的尺寸范围，只擅长中等大小的物体 另一方面，高层特征图经过多次采样，位置信息逐层丢失，小物体检测能力较弱，定位精度较低

层次化特征

基于主干网络自身产生的多级特征图产生预测结果 ，由于不同层的感受大小不同，因此不同层级的特征天然适用于检测不同尺寸的物体

改进思路：高层次特征包含足够抽象语义信息。将 高层特征融入低层特征，补充低层特征的语义信息

两阶段算法

单阶段算法