1、目标检测
输入图像给出物体类别是 图像分类
框出物体是 目标检测
将目标切割出来是 实例分割(图像分割
2、实际应用场景
3、存在的挑战
多尺度:目标有近远所以大小不同分别为大样本小样本
小样本:小概率发生的事情(如烟火报警器,发生火灾的概率极小,样本少,所以为小样本
paddle 里给了一些压缩的方案
4、算法的发展
5、目标检测
传统目标检测将它分成目标检测问题
提取特征时有大量候选区域,导致特征重复提取而且计算的参数量过大
ROI poorling可以解决重复特征提取的问题
特征重复提取会因为下采样的次数太多,在上采样的时候就不能很好的还原图像原本信息了,会导致一部分图片的信息丢失.
BBox(Boundong Box)可以是:预测框 锚框 候选框 ROI 人工标注的groun_truth
IOU可以用来表示两个框的接近程度
MAP:模型量化的指标