OpenMMLab 实战营打卡 - 第 4 课-目标检测

目标检测

1. 目标检测可以看成是图像分类的进阶任务，不但分类出物体类别，还要输出物体的位置，用方框标明。
2. However，并不是简单的在图像分类模型上，增加一个输出位置的分支。目标检测基本流程是给出物体的候选区，再送去分类，给出最优候选区并输出类别，作为最后的输出。目标检测也经历了若干技术改进，典型的可以看RCNN、Fast-RCNN、Faster-RCNN的不同。
3. 目标检测分为二阶段、一阶段框架，二阶段用时长、模型大，但精度高，因为候选区经历了两次精修；一阶段快、模型小，精度稍低。但经历若干改进，精度在逐步提高。
4. 以上方法需要先定义anchor，使多尺度物体检测、遮挡物体检测等都存在困难。为此，提出anchor-free方法，先确定物体（例如中心点），再确定物体尺度，以此输出物体的检测区域（矩形框）。存在的困难，在于确定物体，所以需要高精度网络，第二，物体尺度如果是用回归的方法得到，尺度太大时要考虑若超过网络的视野，会有矩形框不够大的情况。
5. 多尺度检测，是提高网络精度的常用方法，经典的有FPN。
6. MMDetection，实用COCO数据集标注格式，训练可以修改配置文件，微调模型。