目标检测基础知识（1）--目标检测任务描述

目标检测基础知识（1）–目标检测任务描述

    本文是目标检测基础知识相关的第1次学习记录，主要包括目标检测的任务描述，目标检测的常用算法。

0.参考博客

1. 干货 | 目标检测入门，看这篇就够了（已更完）
2. 【目标检测系列】经典论文回顾
3. 深度学习检测小目标常用方法

1.目标检测项目结构

    在目标检测工程中，主要的项目结构包括三层，分别是数据采集层、深度模型层、用户层，这三个层次的相关功能分别为：

1. 数据采集层：数据收集、标注数据；
2. 深度模型层：YOLO、SSD模型、模型导出、Serving部署；
3. 用户层：前端交互、（Web后台）对接部署的模型。

2.目标检测算法分类

    目前常用的目标检测算法分成两大类：2-stage和1-stage。

1. 两步走（2-stage）的目标检测：
   (1) 先找出候选的一些区域；
   (2) 对候选区进行调整、分类；
   (3) 代表算法：R-CNN、SPP-net、Fast R-CNN、Faster R-CNN；
2. 端到端（1-stage）的目标检测：
   （1）采用一个网络，一步到位；
   （2）输入待检测图片，输出有哪些物体，以及物体在什么位置；
   （3）代表算法：YOLO、SSD；

    目标检测不仅仅是分类这样简单的从一个图片输出一个结果，而且还需要输出图片中目标的具体位置信息。

3.目标检测的任务

    目标检测的具体任务：

1. 类别：N个类别
2. 输入：图片
3. 输出：物体的类别、物体的位置坐标
4. 主要评估指标：IOU

    通过目标检测算法最终得出来的物体位置信息(x,y,w,h)有一个专业的名词，叫做 bounding box(bbox) 。两种类型的bounding box需要进行区分，分别如下：

1. ground-truth bounding box（GT）：图片中真实的目标位置（真实结果）；
2. Predicted bounding box：预测的标记框。

    物体位置的表示一般有两种方式：

• （x,y,w,h）：其中x、y表示物体的中心点的位置，w、h表示中心点举例物体两边的长和宽。
• （xmin,ymin,xmax,ymax）：表示物体的左上角和右下角的位置，其中xmin,ymin表示左上角的位置，xmax,ymax表示右下角的位置。

4.目标定位的简单实现思路

    增加一段全连接层网络输出目标的4个位置，并进行相应的损失计算。FC1用于类别的输出，FC2用于这个物体具体位置数值的输出。假设有10个类别，输出的概率值分别为：[p1,p2,…p10]，然后输出这一个对象的四个位置信息[x,y,w,h]，同时也要知道网络需要输出什么内容，并且如何来衡量网络的损失值：

• 对于分类的概率，使用交叉熵损失；
• 对于位置信息的具体数值，可以使用MSE均方误差损失（L2损失）。
  

5.分类与目标检测的区别

    分类与定位：图片中只有一个物体需要检测；
    目标检测：图片中有多个物体需要检测。