【OpenMMLab 2023 Course】Lecture 4

目标检测任务介绍

• 物体的数量/位置/大小均不固定

滑窗 Sliding Window

1. 设定一个固定大小的窗口
2. 遍历图像所有位置，用分类模型识别窗口中的内容
3. 为了检测不同大小、不同形状的物体，可以使用不同大小、长宽比的窗口扫描图片

• 问题：计算成本不可接受
• 改进：
  1. 使用启发算法替换暴力遍历（RCNN、Fast RCNN中的Selective Search）
  2. 使用CNN一次性计算所有特征，再取出对应位置的特征完成分类（目前常见）

密集预测

使用不同感受野的CNN生成一系列特征

基本范式

图像 - 主干网络backbone - 检测头head - 背景/物体

• 两阶段方法：以某种方式产生窗，再基于窗口内的特征进行预测
• 单阶段方法：在特征图上基于单点特征实现密集预测

基础知识

• 框/区域、边界框
• 区域提议网络
• 感兴趣区域
• 锚框anchor
• 交并比Intersection over Union
• 置信度Confidence Score
• 非极大值抑制Non-Maximum Suppresion
• 边界框回归
• 边界框编码

两阶段目标检测算法

• RCNN：慢
• Fast RCNN：ROL Pooling/ROL Align
• Faster RCNN：锚框anchor、区域提议网络RPN、特征金字塔网络FPN
• Mask RCNN
• 近年逐渐被单阶段算法取代

单阶段目标检测算法

直接通过密集预测产生检测框

需要专门处理样本不均衡问题

• YOLO：快
• SSD：困难负样本挖掘（样本不均衡问题）
• RetinaNet：focal loss
• YOLOv3：三级特征图、三个尺寸的锚框

无锚框目标检测算法

• FCOS：多级特征图
• CenterNet：以中心点表示物体

Transformers

• DETR：将检测建模为从特征序列到框序列的翻译问题
• Deformable DETR：显示建模 query 注意的位置，收敛速度更快

目标检测模型的评估算法

• “准确-召回”曲线
• AP：PR曲线下的面积
• Mean AP：分类别统计AP后取平均