目标检测
一、历史发展
二、基本概念
-
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。
-
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<