AI实战营：目标检测与MMDetection

目录

目标检测的基本范式

什么是目标检测 

目标检测 vs 图像分类

目标检测 in 人脸识别 

目标检测 in 智慧城市

​编辑​编辑

目标检测 in 自动驾驶

目标检测 in 下游视觉任务

目标检测技术的演进

基础知识

框、边界框（Bounding Box）

交并比 Intersection Over Union

目标检测的基本思路（从滑窗到密集预测）

检测问题的难点 

滑窗 Sliding Widow

使用卷积实现密集预测

单阶段 & 无锚框检测器  选讲​编辑         

无锚框目标检测算法 Anchor-free Detectors

---

• 目标检测的基本范式

• 什么是目标检测 

  • 

• 目标检测 vs 图像分类

  • 

• 目标检测 in 人脸识别 

  • 

• 目标检测 in 智慧城市

• 目标检测 in 自动驾驶

• 

• 目标检测 in 下游视觉任务

  • 

• 目标检测技术的演进

  • 

  • 

  • 基础知识

    • 框、边界框（Bounding Box）

      • 

    • 交并比 Intersection Over Union

      • 

  • 目标检测的基本思路（从滑窗到密集预测）

    • 检测问题的难点 

      • 

    • 滑窗 Sliding Widow

      • 

      • 

    • 滑窗的效率问题
      • 
      • 改进思路2：分析滑窗中的重复计算
        • 
      • 消除滑窗中的重复计算
        • 

      • 感受野（Receptive Field）

        • 

      • 感受野的中心和步长

        • 

      • 有效感受野（Effective RF）
        • 
      • 在特征图上进行密集预测
        • 

        • 

      • 边界框回归 Bounding Box Regression
        • 
      • 基于锚框 vs 无锚框
        • 
      • 非极大值抑制 Non-Maximum Suppression
        • 

      • 置信度 Confidence Score

        • 

  • 使用卷积实现密集预测

    • 使用密集预测模型进行推理
      • 基本流程：
        • 用模型做密集预测，得到预测图，每个位置包含类别概率、边界框回归的预测结果
        • 保留预测类别不是背景的“框”
        • 基于“框”中心，和边界框回归结果，进行边界框解码
        • 后处理：非极大值抑制（Non-Maximum Suppression）
    • 如何训练
      • 
    • 密集预测模型的训练
      • 

    • 匹配的基本思路

      • 

    • 密集预测的基本范式

    • 密集预测范式的改进：多尺度预测
    • 如何处理尺度问题：
      • 

• 锚框
  • 基于锚框Anchor
    • 
  • 图像金字塔 Image Pyramid
    • 
  • 基于层次化特征
    • 
  • 特征金字塔网络 Feature Pyramid Network 2016
    • 
  • 多尺度的密集预测
    • 

• 单阶段 & 无锚框检测器  选讲         

• RPN（Region Proposal Network 2015）
• 

• RPN的主干网络

  • 

  •  代码

  • 

• 基于IoU的匹配

  • 

• YOLO：You Only Look Once 2015
  • 

  • YOLO的匹配与框编码

    • 

  • YOLO的损失函数

    • 

  • YOLO的优点和缺点

    • 

• SSD：Single Shot MultiBox Detector 2016

  • 
  • SSD的匹配规则
    • 
• RetinaNet 2017
  • 

  • 

• 单阶段算法面临的正负样本不均衡问题

  • 
  • ​​​​​​​
  • ​​​​​​​​​​​​​​​​​​​​​
  • 
• Focal Loss 
  • 
• YOLO v3 2018
• 

• 
• YOLO v5 2020
• 

• 无锚框目标检测算法 Anchor-free Detectors

• 锚框 vs 无锚框
  • 
  • 

• FCOS-Fully Convolutional One-Stage 2019

  • 

  • FCOS的预测目标 & 匹配规则

  • 

  • FCOS的多尺度匹配

  • 

  • 中心度Center-ness

  • 

  • FCOS的损失函数

  • 

  • CenterNet2019

  • 

  • YOLO X 2021

  •