目标检测与MMDetection——OpenMMLab实战营第四讲

目标检测：给定一张图片，用矩形框框出所感兴趣物体，同时预测物体类别。
应用领域：人脸识别、智慧城市、自动驾驶、下游视觉任务。
相比于图像分类，目标检测，物体数量不固定，物体位置不固定，物体大小不固定。
传统的滑窗(Sliding Window)

1. 设定一个固定大小的窗口
2. 遍历图像所有位置，所到之处用分类模型识别窗口中的内容
3. 为了检测不同大小、不同形状的物体，可以使用不同大小，长宽比的窗口扫描图片

改进思路1：使用启发式算法替换暴力遍历
R-CNN、Fast R-CNN使用Selective Search产生提议框
改进思路2： 减少冗余计算，使用卷积网络实现密集预测，是目前普遍采用的方式。

目标检测的基本范式：
两阶段方法
单阶段方法

基础知识

边界框Bounding Box
Region、Region Proposal、Region of Interest、Anchor Box
交并比
置信度
非极大值抑制 Non-Maximum Suppresion
边界框回归 Bounding Box Regression
边界框编码 BBox Coding

两阶段目标检测算法 Two-stage Detectors

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。
发展到Faster R-CNN和Mask R-CNN逐渐成熟。2020年后，随着单阶段算法精度和速度的提高逐渐被取代

单阶段目标检测算法 One-stage Detectors

单阶段算法直接通过密集预测产生检测框，相比Two-stage算法，模型结构简单、速度快，易于设备上部署。随着单阶段算法性能逐渐提升，成为目标检测的主流方法。

Detection Transformers

DETR(2020)
脱离密集预测范式，将检测建模为特征序列到框序列的翻译问题，用Transformer模型解决。
Deformable DETR (2021)
DETR的注意力机制收敛性很慢，Deformable DETR借鉴Deformable Conv的方式，收敛速度更快。