文章探讨了目标检测的基础，包括使用滑窗方法的效率问题及通过卷积网络的改进。介绍了两阶段和单阶段检测方法，如R-CNN、FasterR-CNN、YOLO等。此外，还讨论了边界框、锚框、IOU、NMS以及正负样本不均衡问题，特别是RetinaNet如何利用FocalLoss解决这个问题。
目标检测算法基础
滑窗 Sliding Window
问题：效率问题，计算成本特别高
改进：1.启发式算法替换暴力遍历：实现复杂
2.减少冗余计算，采用卷积网络实现密集预测：普遍采用
改进方法思路：用卷积一次性计算所有特征，再取出对应位置的特征完成分类
重叠区域只计算一次卷积特征，与窗的个数无关
特征图上一个位置的特征：
在特征图上进行密集预测，实际上就是用卷积去进行滑窗这件事，但是它的效率是远远高于滑窗的。
基本范式：
两阶段和单阶段方法：
目标检测的进化过程：
传统方法DPM -> 两阶段方法 R-CNNFaster R-CNN -> 单阶段方法 YOLO SSD RetinaNet -> 级联方法 -> Transformer方法
算法基础知识：
边界框： BoundingBox框指图像上的矩形框 边界横平竖直，包围感兴趣的物体的框
区域：就是框
感兴趣区域：ROI
锚框：AnchorBox 类似滑窗
交并比：交集面积和并集面积的比值，是矩形框重合程度的衡量指标。IOU，衡量精度的
置信度：模型认可自身预测结果的程度。
非极大值抑制NMS 在多个近似的检测框里面保留置信度最高的
边界框回归：让模型在预测类别的同时预测边界框的偏移量
边界框编码BboxCoding：
偏移量的数值很大，对他进行编码可以作为回归模型的预测目标。
降低区域提议的计算成本：
锚框Anchor：在原图上生成不同尺寸的基准框
正负样本不均衡：朴素的分类损失无法驱动检测器达到漏检和错检的平衡，通俗来说，就是更加倾向于背景预测。
Retina Net是基于focal loss的一阶段的模型，解决了样本不均衡的问题
评估方法
860
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
