Object Detection in 20 Years: A Survey
发展历程
传统检测器
Viola Jones Detectors
1.积分图:加速计算Haar特征
积分图及其应用
目标检测的图像特征提取之(三)Haar特征
2.Adaboosting 特征选择,从大量随机特征中选择与人脸相关特征
3.Detection cascades
HOG 方向梯度直方图
HOG特征
HOG特征——行人识别
1.计算每个像素x,y方向的梯度,再计算每个像素的梯度幅值和方向(角度)
2.将图像均匀分成一个个bin,计算每个bin上的方向梯度直方图向量
3.将多个bin组成的block归一化,将所有block特征串联组成图像特征向量
Deformable Part-based Model (DPM)
DPM(Deformable Part Model)原理详解
map 33.7%
MI-SVM选择难例,lSVM 训练模型
基于卷积神经网络的目标检测
两步检测器
RCNN
selective search 选择2000个可能有目标的修行框。AlexNet网络特征提取,SVM目标分类。VOC07 map 58.5%,
14s检测一幅图片。输入大小固定(裁剪,变换,信息丢失),特征计算重复。
SPPNet
特征金字塔。增加特征金字塔池化层,对任意大小输入输出固定大小特征图。
VOC07 mAP=59.2%).
Fast RCNN
VOC07 70%。RoI pooling layer类似SPP层,任意大小输入输出固定大小特征图,池化大小H/h, H输入特征图大小,h输出 。
Faster RCNN
RPN 区域候选网络代替Selective search ,特征一次计算,端到端训练与检测。COCO mAP@.5=42.7%, COCO mAP@[.5,.95]=21.9%,
VOC07 mAP=73.2%, VOC12 mAP=70.4%, 17fps with ZFNet
单步检测器
YOLO
速度快,精度不如两步检测器
Single Shot MultiBox Detector (SSD)
多特征,多尺度检测
RetinaNet
focal loss缓解样本不平衡
目标检测数据集与指标
###### 关键技术
目标候选,多尺度检测,边框回归,环境感知,NMS非极大值抑制,难例挖掘。
检测加速
Cascaded Detection 分级检测
过滤简单的背景框,剩余进一步检测
Network Pruning 剪枝
去除不重要的权重或滤波器
Network Quantification 量化
网络权重二值化,加速计算
Network Distillation
压缩大网络(teacher net)为小网络(student net),可以用前者指导后者训练 ,或最小化两者间特征距离
Lightweight Network Design 轻量网络设计
a:标准卷积
b:多个小卷积核组合,实现相同大小的感受视野
c:因式分解近似计算
d:分组并行计算
e:深度方向单通道卷积
数值计算回事
积分图计算,傅里叶频域计算