目标检测项目总结

标题# 目标检测项目总结

一、目标检测简介

目标检测的核心任务是识别图片中的物体并确定其位置，这是一个涉及位置和类别判定的多任务难题。在实际场景中，会面临诸多挑战，比如目标种类和数量繁杂、尺度不均以及受到遮挡和噪声等外部环境干扰。

二、目标检测的数据集

VOC数据集

• 来自PASCAL VOC挑战赛，涵盖4大类共20小类。其中VOC 2007包含9963张图片与24640个目标，VOC 2012则有23080张图片和54900个目标。

COCO数据集

• 起源于微软2014年标注的MS COCO数据库。该数据集拥有20万个图像，80个类别，超过50万个目标标注，平均每张图像有7.2个目标。

三、目标检测的Ground Truth

坐标格式

• YOLO(TXT)格式：以(x,y,w,h)表示，其中x、y为中心点坐标，w、h为宽和高，且均为归一化数值。
• VOC(XML)格式：使用(Xmin,Ymin,Xmax,Ymax)，分别对应左上角和右下角坐标。
• COCO(JSON)格式：(Xmin, Ymin, W, H)，这里的x、y、w、h非归一化，分别代表左上角坐标及宽和高。

类别与坐标信息

包含物体类别以及相应的真实边界框坐标。

四、目标检测的评估指标

IoU（Intersection over Union）

• 作为衡量边界框准确性的关键指标。首先过滤掉低类别置信度的检测结果，再依据IoU进行评估。

检测结果分类

• 分为TP（真阳性，IoU>阈值）、FP（假阳性，IoU<阈值）、TN（真阴性）、FN（假阴性，即漏检目标）。

其他指标

包括Precision（准确率）、Recall（召回率）以及P - R曲线、mean AP（各分类平均精度均值）、Average Precision（采用11点法或近似面积法计算）等。

五、目标检测的方法

传统方法 - 滑动窗口法

• 需人工设定尺寸，存在大量冗余操作且定位精度欠佳。

深度学习方法

anchor box

• 通过ratio + scale描述，由feature map上的点确定位置，scale表示目标大小，aspect ratio表示目标形状。

anchor - base和anchor - free

• anchor - base：为自顶向下方式，类似滑动窗口法先穷举后筛选。
• anchor - free：是自底向上，自动生成无需预设anchor。

算法流程

• two stage算法流程：涵盖类别预测、ROI、输入CNN、fc、NMS、pooling、位置回归、proposal等环节，常见算法有R - CNN系列等。
• one stage算法流程：包括类别预测、输入CNN、NMS、位置回归等步骤，常见算法有YOLO系列、SSD系列等。

非极大值抑制(NMS)

• 设定置信度阈值（通常约为0.5），按置信度降序排列候选框列表，选取最高置信度框加入输出列表并从原列表删除，计算其余框与该框的IoU并删除大于阈值的框，重复此过程直至列表为空。

通过对目标检测项目的数据集、Ground Truth、评估指标和检测方法等方面的详细介绍，我们能够更深入地理解目标检测技术，这对其进一步的研究和应用具有重要的指导意义。