OpenMMLab 目标检测算法基础（四）

滑窗：Sliding Window 设定固定大小窗口

        1.可采用启发式算法替换暴力遍历（R-CNN， Fast R-CNN）产生框架

        2.使用卷积网络进行密集预测，分析重复计算，直接计算所有特征去除对应特征即可

                1.两阶段方法：产生窗，再基于窗口内的特征进行预测

                2.单阶段方法：基于单点特征实现密集预测

交并比：两矩形框交集面积与并集面积之比

置信度：模型认可自身预测结果的程度，倾向可置信度高的预测结果

回归模型的预测目标：对偏移量进行编码

锚框Anchor：  1.可生成不同尺寸的提议框

                        2.同一位置生成多个提议框覆盖不同物（体（二阶段算法如上图）

Yolo：1.主干网络：产生7 * 7 * 1024维的特征图

           2.两层全连接层产生 7 * 7组预测结果，对应7 * 7个空间位置上物体的类别和边界框的位置

     

 召回率（recall）：正确结果总数 / 真值框总数

准确率（precision）：正确结果总数 / 检测框总数