mmdet目标检测部分

基本范式：sliding windows, conv based dense detection, bounding box, multi-sacle detection and FPN

单阶段&无锚框detector选讲：RPN, YOLO, SSD, focal loss与 retinanet 技术， fcos

一张看上去很舒服的det技术演变简略图

 

bounding box:

框定目标物体的框，一般来说有两种描述方法：

1. 左上，右下角的坐标来构建

2. 中心坐标与框的长宽来构建

评价框质量的指标：IOU,交并比，在有多个框时，两个矩形框之间交集的面积与并集的面积之比，IOU越靠近1则说明框的重合度越高。

1. 启发式算法代替暴力遍历操作：先筛选出可能包含物体的位置

2. 卷积网络进行密集预测，相比暴力锚框进行遍历来说已经减少了不少冗余计算

忽略padding操作可能带来的区别，卷积操作带来的平移不变性，导致了先做全图卷积，再于提取的特征图中剪裁所需要部分的特征，再小特征图中进行裁剪，避免进行大量的卷积特征计算，因此才比直接暴力的划窗高明。