今晚去蹭了超强师姐的讲座,以下是今晚的笔记。
目前存在的目标检测可以分为以下几类:
- One-short, few-short, weakly supervised object detection:这类型的目标检测任务定义不明确;
- 显著性物体检测:数据集定义不明确,对于不同人来说,显著性的定义不一样;
- 关键点检测:要把关键点回归到几个pixel以内,要求严格;
- 通用目标检测,这是今晚的主题。
检测目前主要的问题有:小物体、正负样本比失衡、形变、定位准确度、关系和网络结构。
小物体检测
遇到的问题
小物体检测的问题主要是指在深层网络的高级语义信息中,常常会丢失掉这些小物体的信息,因此存在检测精度低的问题。
目前的解决方法
目前的检测工作基本都是在ImageNet上pretrain之后,作为COCO检测网络backbone的初始化;但ImageNe和COCO这两个数据集中存在一些gap,如图片大小不一样、object的size也不一样。
因此CVPR 18这篇SNIP就对数据做了一个实验,将这五个size的图片线性插值到224*224(