mmlab训练营第4天

目标检测综述
深度学习以来的目标检测演进
传统两阶段方法：R-CNN, Fast R-CNN, Faster R-CNN， Mask R-CNN
多尺度技术
FPN
单阶段方法：YOLO， SSD， RetinaNet
Transformer的方法
DETR, Deformable DETR

非极大值抑制
已知：检测器产生的一系列检测框B={B1, B2, …, Bn},及相应的置信度s={s1, s2, …, sn}, IoU阈值t（通常0.7）
步骤：

1. 初始化结果集R=空集
2. 重复直至B为空集
   1）找出B集中置信度最大的框Bi，并加入结果集R
   2）从B中删除Bi以及与Bi交并比大于t的框
3. 输出结果集R

特征金字塔FPN结构
问题提出：多尺度检测的必要性
图像中物体本身大小就有一定的差异；高层特征经过多次采样后位置信息会逐渐丢失，小物体检测能力较弱，定位精度较低
层次化的特征天然适用于检测不同尺寸的物体
劣势：底层特征抽象层级不够，预测物体比较困难
改进思路：高层次特征包含足够的抽象语义信息，将高层特征融入底层特征，补充底层特征的语义信息
融合方法：特征求和

单阶段的目标检测算法：
yolo是多任务的学习：回归和分类共同计入损失函数中，通过入控制权重
yolo的总损失=边界框需要产生物体预测时计算的边界框回归损失+边界框需要产生物体/背景预测时计算的置信度回归损失+边界框产生物体预测时计算的c个类别概率的回归损失
yolo的优点：快
yolo v1的缺点：每个格子预测一个物体，对大量重叠的小物体容易产生漏检；直接回归边界框有难度，回归误差较大，v2开始使用基于anchor的回归