[目标检测]——基础介绍

目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。

一、目标检测算法分类

1、两步走的目标检测

先找出候选的一些区域，而后对区域进行调整、分类

• 代表算法：R-CNN、SPP-net、Fast R-CNN、Faster R-CNN

2、端到端的目标检测

 采用一个网络，直接输入到输出，一步到位

• 一般输入是图片，输出有哪些物体、物体在什么位置等信息

二、目标检测的任务

1、首先是分类任务

• N 个类别
• 输入：图片
• 输出：类别标签
• 评估指标：Accuracy

2、其次是定位问题

• N个类别
• 输入：图片
• 输出：物体的位置坐标
• 主要评估指标： IOU

（1）bounding box（bbox）物体的框

 物体位置：

• （x, y, w, h）：x，y物体的中心点位置，以及中心点距离物体两边的长、宽（h,w）
• （xmin, ymin, xmax, ymax）：物体位置的左上角、右下角的坐标

两种Bounding box名称：

• Ground-truth bounding box：图片当中真实标记的框
• Predicted bounding box：预测的时候标记的框

（2）图像的坐标

三、目标定位的简单实现思路

在分类的时候直接输出各个类别的概率，如果加上定位的话，可以考虑在网络的最后输出加上位置信息。

做法：增加一个全连接层输出4个位置信息，做损失计算

假设有10个类别，输出[p1, p2, ....., p10]，然后输出这一个对象的四个位置信息[x，y，w，h]。同理可以知道网络输出什么，要衡量这个网络的损失：

• 对于分类的概率，使用交叉商损失
• 位置信息具体的数值，可使用MSE均方误差损失（L2损失）