检测知识理解

做检测

先了解：

召回率（Recall），精确率（Precision），平均正确率（Average_precision(AP) ），交除并（Intersection-over-Union（IoU））

http://blog.csdn.net/hysteric314/article/details/54093734

博客中的理解

• 传统检测方法

• 人工设计特征+浅层分类器

• 基于深度神经网络的方法

• 原始数据+图像标注，训练深度神经网络

1 传统检测方法

• 传统检测方法

• Robust Real-Time Face Detection

• http://www.vision.caltech.edu/html‐files/EE148‐2005‐Spring/pprs/viola04ijcv.pdf

传统检测方法2

• 传统检测方

• Deformable Part Models (DPMs)

• http://people.cs.uchicago.edu/~rbg/latent‐release5/

2 深度

从rcnn， fast rcnn, faster rcnn, yolo, r-fcn, ssd，到去年cvpr最新的yolo9000

我从faster rcnn开始看。目前介绍我比较疑惑的点：

1边框回归(Bounding Box Regression)详解

Bounding-box regression 就是用来微调绿色框ground truth 窗口和Selective Search 提取的 region Proposal 如果红框由于iou的评定小于阈值，为不准确，可以通过微调红窗与ground Truth 增加定位的准确性。

边框回归。。。》就是对红色框进行微调得到一个更近与ground truth 的框 ，如何去寻找这个关系式呢。

对于具体的边框是如何实现，以及具体的公式，参考：

https://blog.csdn.net/zijin0802034/article/details/77685438

的csdn博客。

后续问题会补上