目标检测(Object Detection)
1 目标定位(Localization)
分类、定位、检测
标签:
损失函数(以均方差为例):
2 特征点检测(Landmark Detection)
3 用滑窗法实现目标检测(Object Detection)
3.1 滑窗法
1、训练一个分类器
2、滑动窗口检测
3、缺点:计算成本大
3.2 卷积形式的滑窗检测
1、用卷积层代替全连接层
2、共享计算
3、卷积形式的滑窗检测
4、缺点:窗口边框的定位不精准
3 交并比 IOU(Intersection Over Union)
定义:
用途:评估预测出的边界框的准确程度。
实现过程:
4 非极大值抑制NMS(Non-max Suppression)
用途:在对一个目标的多个检测结果中,最终只保留一个检测结果
实现过程:
6 锚框(Anchor Boxes)
用途:使一个网格中能检测多个目标。
缺点:
1、对于一个网格的多个目标,超出锚框数量的目标照样不能被检测到。
2、对于一个网格的多个目标,如果多个目标的边框形状相似,同样会造成漏检。
对策:
减小网格的尺寸,换句话说,就是增多网格的数量。
7 YOLO 算法
标签的含义:
过程概括:
一个简单的例子:
参考链接:
Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi - You Only Look Once: Unified, Real-Time Object Detection (2015)
Joseph Redmon, Ali Farhadi - YOLO9000: Better, Faster, Stronger (2016)
The official YOLO website (https://pjreddie.com/darknet/yolo/)
8 候选区域(Region Proposals)与选择性搜索(Selective Search)
通过分割算法(segmentation algorithm),将图片划分为多个区域,然后找到2000个这样的区域并放置边界框,也就是说得到2000个候选区域。
代表性的算法: