目标检测之序章-类别、必读论文和算法对比（实时更新）

最新推荐文章于 2024-04-23 13:55:04 发布
最新推荐文章于 2024-04-23 13:55:04 发布
阅读量1.1k 收藏 27
点赞数 17
分类专栏： 目标检测 文章标签： 目标检测 算法 人工智能 论文阅读 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/long11350/article/details/135131797
版权

文章目录

前言

目标检测是计算机视觉领域（CV）热门且较成熟的主流研究方向之一，其应用广泛（自动驾驶、安防监控、医学影像分析、零售业货品管理等等）且已经深入到我们生活的方方面面，现在从个人学习角度，开展目标检测系列文章，主要侧重为深度学习，希望起到抛砖引玉的效果，如果有误的地方敬请指正。

PS：应该注意到，近些年来，CV模型有融合的趋势，原来的目标检测模型不再是单一任务，往往能同时处理多种任务：目标检测、语义分割、实例分割、姿态检测等。

一、目标检测算法分类

1. 传统的目标检测算法

传统目标检测流程:

  1. 图像预处理（归一化、图像增强等）
  2. 寻找候选区（如穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高）
  3. 特征提取（SIFT、HOG等；形态多样性、光照变化多样性、背景多样性使得特征鲁棒性差）
  4. 分类器分类（主要有SVM、Adaboost等）
  5. 后处理（去除多余候选框等）

例：Cascade+HOG/DPM+Haar/SVM

2.候选区域/窗+深度学习分类（Two Stage）

通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：

  • R-CNN（Selective Search+CNN+SVM）
  • SPP-Net（ROI Pooling）
  • Fast R-CNN(Selective Search+CNN+ROI)
  • Faster R-CNN(RPN+CNN+ROI)
  • Mask R-CNN
    …

3.基于深度学习的回归方法（One Stage）

YOLO/SSD/DenseBox等方法
结合RNN算法的RRC detection
结合DPM的Deformable CNN
…

4.基于Transformer的方法

ViT backbone
Swin Transformer backbone + MaskRCNN
…

二、必读文献

类别流程/算法论文、年份Google学术引用次数
传统算法区域选择 => 特征提取 => 分类器分类
One Stage
R-CNN（Selective Search+CNN+SVM）《Rich feature hierarchies for accurate object detection and semantic segmentation》，201432030
SPP-Net（ROI Pooling）《Spatial pyramid pooling in deep convolutional networks for visual recognition》，201512948
Fast R-CNN(Selective Search+CNN+ROI)《Fast r-cnn》，201528730
Faster R-CNN(RPN+CNN+ROI)《Faster r-cnn: Towards real-time object detection with region proposal networks》，201562285
Mask RCNN《Mask r-cnn》，201730742
Two Stage
YOLOv1《You only look once: Unified, real-time object detection》，201637319
SSD《SSD: Single shot multibox detector》，201631541
YOLOv2《YOLO9000: better, faster, stronger》，201717556
RetinaNet《Focal Loss for Dense Object Detection》，201722861
YOLOv3《Yolov3: An incremental improvement》，201821678
EfficientDet《EfficientDet: Scalable and Efficient Object Detection》，20204200
YOLOv4《Yolov4: Optimal speed and accuracy of object detection》，2020，Alexey Bochkovskiy团队10758
YOLOv5https://github.com/ultralytics/yolov5，2020，Ultralytics团队（无paper)-
YOLOx《Yolox: Exceeding yolo series in 2021》，2021，旷视科技1813
YOLOv6《YOLOv6: A single-stage object detection framework for industrial applications》，2022，美团314
YOLOv7《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors》，2023，Alexey Bochkovskiy团队1251
YOLOv8https://github.com/ultralytics/ultralytics，2023，Ultralytics团队（无paper)-
Transormer
DETR《End-to-end object detection with transformers》，2020，Facebook6937
Swin Transformer《Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 》，202111969
DINO《Dino: Detr with improved denoising anchor boxes for end-to-end object detection》，2022430
stable DINO《Detection Transformer with Stable Matching》，20235
CO DETR《DETRs with Collaborative Hybrid Assignments Training》，2023，商汤47

Paper list from 2014 to now(2019)
源自GitHub - hoya012/deep_learning_object_detection: A paper list of object detection using deep learning.

在这里插入图片描述
在这里插入图片描述

三、算法对比

1.总体描述-精度和速度

优缺点One-StageTwo-StageTransformer-based
优点1.速度快 2.避免背景错误产生false positives 3.学到物体的泛化特征1.精度高(定位、检出率) 2.小目标检测和复杂场景中表现较好1.大数据量下精度更高(定位、检出率) 2.有利于多模态数据融合 3.感受野更大
缺点1.精度低(定位、检出率) 2.小物体的检测效果不好1.速度慢 2.训练时间长 3.误报相对高1.更占用显存 2.训练时间长 3.无归纳偏置，小数据量下表现不如CNN架构

2.目标检测数据集

典型的数据集有：PASCAL VOC, ImageNet, MS-COCO, Open Images等

VOC (PASCAL Visual Object Classes) ：是经典的计算机视觉竞赛PASCAL VOC Challenges的数据集，时间跨度为2005-2012，任务包括图像分类、目标检测、语义分割和动作检测。数据集包含20个种类，其中 VOC07和VOC12最为常用，近年来被更大的数据集像ILSVRC和MS-COCO逐渐取代。

ImageNet（ILSVRC）：计算机视觉竞赛The ImageNet Large Scale Visual Recognition Challenge采用的数据集 ，时间跨度为2010-2017， 共包含200个种类

MS-COCO ：是微软构建的一个数据集，从2015起沿用至今，最大的特点是除了bounding box 注释，还给了segmentation。MS-COCO也包含更多的小目标（面积小于图像大小的百分之一）和稠密的目标。这些特征使得MS-COCO更接近于现实生活。MS-COCO已经成了目标检测家族中的实际标准。

Open Image： 2018年 the Open Images Detection challenge出现。两个任务：1常规n目标检测。2视觉关系检测，即检测特殊关系中成对的目标。600个种类。

DOTA：武汉大学于 2017 年发布的大规模遥感图像数据集，为Object Detection In Aerial Images on DOTA竞赛数据集，目前有三个版本：

  • DOTA-v1.0包含15个常见类别、2,806张图像和188、282个实例。DOTA-v1.0中训练集、验证集和测试集的比例分别为1/2、1/6和1/3。15个类别为：飞机、船只、储蓄罐、棒球内场、网球场、篮球场、田径场、海港、桥、大型车辆、小型车辆、直升飞机、英式足球场、环形路线、游泳池。
  • DOTA-v1.5 使用与 DOTA-v1.0 相同的图像，但也注释了极小的实例（小于 10 像素）。此外，还增加了一个新类别“集装箱起重机”。它总共包含 403,318 个实例。图像数量和数据集分割与DOTA-v1.0相同。该版本是针对 2019 年 DOAI 挑战赛（关于航空图像中的对象检测）与 IEEE CVPR 2019 联合发布的。
  • DOTA-v2.0 收集了更多 Google Earth、GF-2 卫星和航拍图像。DOTA-v2.0中有18个常见类别、11,268张图像和1,793,658个实例。相比DOTA-v1.5，进一步增加了“机场”和“直升机停机坪”的新类别。DOTA 的 11,268 张图像分为训练集、验证集、测试开发集和测试挑战集。为了避免过拟合问题，训练集和验证集的比例小于测试集。此外，包含两个测试集，即 test-dev 和 test-challenge。训练包含 1,830 张图像和 268,627 个实例，验证包含 593 个图像和 81,048 个实例，test-dev 包含 2,792 个图像和 353,346 个实例，test-challenge包含 6,053 张图像和 1,090,637 个实例。

DIOR：西北工业大学2019年发布的遥感图像目标检测的大规模基准数据集，含23463张图片和190288实例，覆盖20种目标：飞机、机场、棒球场、篮球场、桥梁、烟囱、水坝、高速公路服务区、高速公路收费站、港口、高尔夫球场、地面田径场、天桥、船舶、体育场、储罐、网球场、火车站、车辆和风机。

在这里插入图片描述
在这里插入图片描述

3.精度对比

Meta AI 收集的SOTA的模型榜单

在这里插入图片描述
在这里插入图片描述

《Object Detection in 20 Years: A Survey，2023》

总结的算法精度对比，注意这里的算法全为原始算法不包括变体：

在这里插入图片描述

从图中看出 COCO数据集 mAP[.5, .95]精度方面:
Faster RCNN < SSD < FPN < Retine-Net < RefineDet < CenterNet < YOLOv4 < DETR < Swin Transformer

Yolov3，2018

YOLOv3论文(2018)所述：精度比SSD变体高得多，AP50和当时的SOTA-RetinaNet相当，但RetinaNet耗时为YOLOv3的3.8倍还多

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

编者注：从图中看出mAP[.5, .95]精度方面，YOLOv2 < SSD < YOLOv3 < Faster RCNN及其变体 < RetinaNet

EfficientDet， 2020

EfficientDet论文所述（2020）： EfficientDet实现了最先进的52.2%COCO AP，其参数和FLOPs比过往的目标检测算法少得多。

在这里插入图片描述

Yolov4，2020

YOLOv4论文(2020)所述： 在MS COCO数据集上得精度为43.5%AP（65.7%AP50），Tesla V100上实时速度约为65 FPS，和其他最先进的目标检测算法比较：YOLOv4的运行速度是EfficientDet的两倍，性能相当。相比于YOLOv3，AP和FPS分别提高了10%和12%

在这里插入图片描述

YOLOv7，2022

Yolo v7 for COCO 2017 数据集
train 训练
val 调参
test 测试

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

YOLOv8，2023

保证精度的情况下，速度极大提升

在这里插入图片描述
在这里插入图片描述

小麦检测数据集的YOLO系列模型精度对比

来源于YOLOv8（n/s/m/l/x）&YOLOv7(yolov7-tiny/yolov7/yolov7x)&YOLOv5（n/s/m/l/x）不同模型参数/性能对比（含训练及推理速度）-CSDN博客

在这里插入图片描述

Faster RCNN，2015

在这里插入图片描述

Mask RCNN，2017

在这里插入图片描述

DETR，2020

第一个基于transformer的端到端算法，没有anchor前处理和NMS后处理，但是Detr收敛慢，训练慢，推理也慢

虽然 DETR（COCO/44.9%mAP）取得了较高的检测精度，但DETR采用固定长度的目标查询向量与图像特征进行全局交互。这种方式需要长时间的注意力权重训练才能关注到特征图上稀疏且关键的位置，导致模型收敛时间过长，在 COCO 上，需要 500 个 epochs 才能收敛，速度仅为 Faster RCNN 的 5%~10%。其次，对小目标检测效果较差，这主要是由于DETR仅使用单一尺度的特征进行预测以及在处理高分辨率输入时有很高的计算复杂度。最后，相较于 CNN 目标检测算法，DETR更加依赖数据的规模，当采用小规模数据训练时，模型性能明显下降。

在这里插入图片描述

Swin Transformer，2021

2021 ICCV最佳论文，可直接用于多种视觉任务，包括图像分类（ImageNet-1K中取得86.4 top-1 acc）、目标检测（COCO test-dev 58.7 box AP和51.1 mask AP）和语义分割（ADE20K 53.5 val mIoU，并在其公开benchmark中排名第一），其中在COCO目标检测与ADE20K语义分割中均为state-of-the-art。**

DINO，2022

DINO(DETR withImproved deNoising anchOr boxes)，从2022年三月初霸榜至7月，该模型第一次让DETR （DEtection TRansformer）类型的检测器取得了目标检测的SOTA性能，在COCO上取得了63.3 AP的性能，相比之前的SOTA检测器将模型参数和训练数据减少了十倍以上

Stable DINO，2023

通过与 FocalNet-Huge 主干网相结合，Focal-Stable-DINO 在 COCO val2017 上达到 64.6 AP，在 COCO test-dev 上达到 64.8 AP，而无需增加任何测试时间

学海一叶
关注
  • 17
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
毕业设计，基于zoeDepth的深度估计、单目测距、基于YOLOv8的目标检测及多种主流目标检测算法对比（包含数据）
05-13
毕业设计，基于zoeDepth的深度估计、单目测距、基于YOLOv8的目标检测及多种主流目标检测算法对比数据
56.YOLO v3、SSD、Faster-RCNN目标检测算法对比 - 学习教程 - dt猫1
08-03
1.在处理feature尺度问题上 2.Faster-RCNN多个rpn 3.只提取一个特征层 4.anchor boxes size取法不同
目标检测：速度和准确性比较（Fater R-CNN，R-FCN，SSD，FPN，RetinaNet和YOLOv3）
zero的博客
11-14 8434
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达推荐文章【点击下面可直接跳转】：文章来源：https://zhuanlan.zhihu.co...
常见经典目标检测算法！R-CNN、YOLO、计算机视觉、自动驾驶、AI芯片
最新发布
Java_college的博客
04-23 1141
目标检测是计算机视觉领域的一个重要任务，它要求算法能够准确识别图像中的物体，并为其提供边界框（Bounding Box）以及类别标签。与图像分类任务不同，目标检测不仅要识别图像中的类别，还要定位物体的位置。因此，目标检测任务通常比图像分类更具挑战性。
目标检测（Object Detection）学习笔记（概述与传统算法与基于深度学习算法）
huangweijie0426的博客
11-01 1万+
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），不同于分类和回归问题，目标检测还需要确定目标在图像中的位置（定位），而确定识别目标的类别和位置（分类和定位），是计算机视觉领域的核心问题之一。
RCNN，FastRCNN，FasterRCNN论文
11-01
RCNN，FastRCNN和FasterRCNN论文原文，介绍了经典的双阶段目标检测算法RCNN及其改进，属于深度学习必读论文
几个目标检测算法的比较——yolov4,yolov4-tiny,faster-rcnn
热门推荐
hexiao260的博客
08-12 2万+
本文主要记录了本人在使用目标检测算法的过程中遇到的问题以及解决方法
目标检测算法（一）——常见算法比较
疯狂挖掘机的博客
07-17 8315
一、分类：帧间差分法、背景减除法和光流法。 (1)背景减除法通过统计前若千巾贞的变化情况,从而学习背景扰动的规律。此类算法的缺点是由于通常需要缓冲若干帧频来学习背景,因此往往需要消耗大量的内存,这使其使用范围受到了限制。此外,对于大范围的背景扰动,此类算法的检测效果也不理想。Stauffer和Grimson[Stauffer99]提出的高斯混合模型是使用最为广泛的背景建模方法。高
目标框检测中准确率、召回率、AP、mAP计算原理及代码
MAX的专栏
09-28 7115
假设有M个真值正样本，我们从Top-1 到 Top-N，每累积一个预测就会对应一个recall 和 一个 precision。,M/M），对每一个recall，从对应的precision 中取最大值作为当前recall 对应的precision，求M 个precision的平均得到AP。一般用 IOU 进行匹配，预测框和真实框之间的 IOU 值大于一定阈值时，比如0.5，则认为对真实样本正确预测。但是Accuracy 不经常使用，因为我们在做目标预测的时候往往只关心正样本，而不去关心负样本是否正确预测。
实时目标检测算法比较综述：不比不知道，原来NanoDet那么优秀！
我爱计算机视觉
01-06 1459
关注公众号，发现CV技术之美目标检测算法很多，但那些在COCO等数据集上登顶的算法往往模型较大、计算复杂度高，其实大家更关心的是“开源”且“实时”目标检测方法。今天向大家介绍一篇目标检测综述，其对常见的开源实时目标检测算法进行了比较研究，从精度、速度、鲁棒性、消耗能量等角度做了细致的比较，非常值得参考。这篇论文发表于Transactions on Machine Learning Research...
YOLOV1-V7英文论文，深度学习、目标检测领域必读经典论文
05-26
YOLO 是一种流行的实时对象检测算法，它通过引入统一的对象检测方法彻底改变了该领域。 它将目标检测视为一个回归问题，直接对整幅图像进行检测。 YOLO 将输入图像划分为网格，并为每个网格单元预测边界框和类别概率...
深度学习R-CNN、SSD、YOLO、FPN等目标检测必读论文
12-11
深度学习目标检测必读论文，包含了R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD、FPN、R-FCN七篇论文。
深度学习目标识别必读经典论文
12-15
在官网下载很慢，我都下载了打包在一起，有RCNN，fast rcnn faster rcnn ,yolo v1到v4
RSPapers-推荐系统必读论文
08-04
该存储库提供了论文列表，包括综合调查、经典推荐系统、社会推荐系统、基于深度阅读的推荐系统、推荐系统中的冷启动问题、推荐系统哈希、探索与开发问题、推荐系统中的可解释性以及推荐系统的点击率预测。...
算法的力量-程序员必读
08-18
算法是计算机科学领域最重要的基石之一，许多学生看到一些公司在招聘时要求的编程语言五花八门，就产生了一种误解，认为学计算机就是学各种编程语言，或者认为，学习最新的语言、技术、标准就是最好的铺路方法。...
基于pyqt的YOLOv5目标训练和检测界面实现（含图片爬虫下载、数据集标注、数据一键配置、训练、图片、视频和摄像头实时检测）
yzf060109的专栏
12-03 8087
近期学习目标检测很火的YOLOv5框架，将源码进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；检测部分，从检测参数设置（支持实时设置置信度和IOU等）、数据选择（支持图片、视频和多种摄像头）到结果显示。全部实现界面开发和多线程调度处理。下面，重点从开发环境配置、目标的训练、目标的检测、程序发布4个方面进行分享，不对的地方关注、私聊，源码放在这里，大家可以下载。
大盘点 | 2020年5篇目标检测算法最佳综述
极市平台的技术博客
01-26 1031
引言 在过去的一年中，计算机视觉领域出现了许多优秀的工作，并推动了相关领域的技术发展与进步。上半年，极市曾盘点过计算机视觉领域综述论文，并进行了分类整理，得到了很多读者的支持。因此，在2021年初，我们对2020年出现的全部计算机视觉综述论文进行了分方向梳理，希望能帮助大家学习进步。本文是第一篇，目标检测方向。 注：文章将同步更新于Github上，欢迎大家 star/fork）： https://github.com/extreme-assistant/survey-computer-vision 综述一
常用目标检测算法及各种评价指标
jialibang的博客
07-02 1430
目标检测总结：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD：https://blog.csdn.net/qq_33244951/article/details/84673383 专有名词：https://wenku.baidu.com/view/84865f1a24c52cc58bd63186bceb19e8b9f6ec3e.html IOU评价函数（intersection-over-union）：https://www.julyedu.com/question/...
【AI面试】目标检测中one-stage、two-stage算法的内容和优缺点对比汇总
钱多多先森
04-30 8470
目标检测算法one stage和two stage的对比
软件操作指南-店长、核算必读.doc
11-15
软件操作指南-店长、核算必读.doc

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

学海一叶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值