OpenMMLab(4)

目标检测与MMDetection

目标检测相较于传统的图像分类，具有物体大小、位置、数量不固定的特点，因此相较于来说难度也比较大

两阶段目标检测算法

两阶段的检测范式最早由 R-CNN 确立，因包含区域提议和区域识别两个阶段得名
经历一些列发展到 Faster R-CNN 和 Mask RCNN 逐渐成熟结合比较先进的主干网络和多尺度技术可以达到
比较优越的检测精度，使用广泛
近几年（2020~）随着单阶段算法精度和速度的提高逐渐被取代

多尺度检测技术

有图像金字塔、层次化特征、特征金字塔网络等技术、这些技术各有优劣，根据实际情况进行选择。

无锚框目标检测算法

无锚框是不依赖锚框，模型基于特征直接预测对应位置是否有物体，以及边界框的位置；边界框预测完全基于模型学习，不需要人工调整超参数

目标检测模型的评估方法

MMDetection

• MMDetection 提供 400 余个性能优良的预训练模型，开箱即
  用，几行 Python API 即可调用强大的检测能力
• MMDetection 涵盖 60 余个目标检测算法，并提供方便易用的
  工具，经过简单的配置文件改写和调参就可以训练自己的目标检
  测模型