目标检测与MMDetection

• 来源
  • 目标检测与MMDetection_哔哩哔哩_bilibili

• 定义

  • 给定一张图片 用矩形框标注出目标并预测出物体类别

• 应用领域

  • 人脸识别

  • 智慧城市

  • 自动驾驶

• 技术路线

  • 两阶段方法

  • 单阶段方法

  • Transformer方法

        

• 基本概念

  • 边界框

  • 交并比

  • 滑窗

  • 感受野

    • 定义：在神经网络中 一个神经元能“看到”的原图的区域

    • 中心：一般结论比较复杂

    • 步长：

      • 在某一层中 相邻两个神经元的感受野的距离

      • 步长=这一层之前所有stride的乘积

                        

• 有效感受野（Effective RF）

  • 激活值对感受野内的像素求导 大小不同

• 锚框：在原图上设置不同尺寸的基准框

  • 生成不同尺寸的预测框

  • 在同一位置生成多个提议框覆盖不同物体

                

• 难点

  • 滑窗的重复计算问题

    • 改进思路：特征图滑窗

      • 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

                

• 改进思路：在特征图上进行密集预测

       

 

• 预测目标的尺度问题

  • 图片中不同预测目标的尺寸可能存在较大差异

  • 在高层特征图中 经过多次采样 位置信息逐层丢失 对于小物体的检测能力较弱 定位精度较低

                   

 

• 密集预测的基本思路

  • 边界框回归：让模型同时预测物体类别和预测边界框相对于滑窗的偏移量

 

• 基于锚框VS无锚框

                

• 非极大值抑制

  • 置信度：模型认可自身预测结果的程度

    • 第一种：直接取模型预测物体属于特定类别的概率

    • 第二种：单独预测置信度

  • 密集预测模型的训练

    • 检测头在每个位置产生一个预测

    • 该预测值必须与某个真值比较产生损失

    • 但是真值在数据标注中不存在 需要基于稀疏的标注框为预测结果产生真值 该过程称为匹配

  • 密集预测的基本范式

                

• 多尺度检测的基本思路

  • 图片金字塔：将图片缩放成不同尺寸 使算法能在不同图片上检测出不同大小的物体

                

• 基于层次化特征：基于主干网络产生的多级特征图产生预测结果

  • 劣势：底层特征抽象级别不够 预测物体比较困难

  • 优势：计算成本低

                

• 特征金字塔网络（Feature Pyramid Network）：高层次特征包含足够抽象语义信息 将高层特征融入底层特征补充低层特征的语义信息

  • 融合方法：特征求和

                

• 多尺度密集预测的主流范式

                

• 单阶段算法

  • 主流方法

    • RPN（Region Proposal Network）

    • YOLO

    • SSD（Single Shot Multibox Detector）

    • RetinaNet

  • 问题：正负样本不均衡

    • 预测数量 = 尺度数 x 位置数 x 锚框数

    • 在这些预测中 只有少量锚框的真值为正样本 大部分锚框的真值为背景

                

• 无锚框算法

  • 主流方法

    • FCOS（Fully Convolutional One-Stage）

    • CenterNet

  • 主流范式