目标检测入门之历史发展与基本名词概念

目标检测

一、历史发展

二、基本概念

1. one-stage目标检测算法（也称one-shot object detectors），其特点是一步到位，速度相对较快。另外一类目标检测算法是two-stage的，如Faster R-CNN算法先生成候选框（region proposals，可能包含物体的区域），然后再对每个候选框进行分类（也会修正位置）。这类算法相对就慢，因为它需要多次运行检测和分类流程。而one-stage检测方法，仅仅需要送入网络一次就可以预测出所有的边界框，因而速度较快，非常适合移动端。最典型的one-stage检测算法包括YOLO，SSD，SqueezeDet以及DetectNet。

2. 样例模型最后的卷积层包含125个卷积核。

   为什么是125？因为有5个检测器，每个检测器有25个卷积核。这25个卷积核中的每一个都预测边界框的属性 值：坐标x和y，宽度，高度，置信度，20类概率。

   注意：一般来说，如果数据集有k类，而模型有b个检测器，那么网格需要有b×（4+1+k）个输出通道。

三、基本名词

• IOU（Intersection over Union）：交并比

如上图所示，IOU值定位为两个矩形框面积的交集和并集的比值。即：

IOU=A∩B/A∪B

• GT（ground truth） ：真实目标

• FP ：负样本

False Positive,被判定为正样本，但事实上是负样本。

• TP ：正样本<