【OpenMMLab】打卡笔记4 -- 目标检测

目标检测技术的演进

基础知识

• 边界框（Bounding Box）

1. 区域（Region）：框的同义词
2. 区域提议（Region Proposal， Proposal）：指算法预测的可能包含物体的框，某种识别能力不强的算法的初步预测结果
3. 感兴趣区域（Region of Interest， RoI）：当我们谈论需要进一步检测这个框中是否有物体时，通常称框为感兴趣区域
4. 锚框（Anchor Box， Anchor）：图中预设的一系列基准框，类似滑窗，一些检测算法会基于锚框预测边界框

• 交并比 Intersection Over Union

交并比（IoU）定义为两矩形框交集面积与并集面积之比，是矩形框重合程度的衡量指标

• 置信度 Confidence Score

模型认可自身预测结果的程度，通常需要为每个框预测一个置信度，人们倾向认可置信度高的预测结果

• 非极大值抑制 Non-Maximum Suppression

滑窗类算法通常会在物体周围给出多个相近的检测框，这些框实际指向同一物体，只需要保留其中置信度最高的

• 边界框回归 Bounding Box Regression

让模型在预测物体类别同时预测边界框相对于滑窗的偏移量

• 边界框编码 Bbox Coding

边界框的绝对偏移量在数值上通常较大，不利于神经网络训练，通常需要对偏移量进行编码，作为回归模型的预测目标

两阶段目标检测算法

• Region-based CNN (2013)

• Fast R-CNN (2014)

• Faster R-CNN (2015)

• 两阶段方法的发展与演进 (2013~2017)

多尺度检测技术

• 特征金字塔网络 Feature Pyramid Network (2016)

• 在 Faster R-CNN 模型中使用 FPN

单阶段目标检测算法

• YOLO: You Only Look Once (2015)

• SSD: Single Shot MultiBox Detector (2016)

• RetinaNet (2017)

• YOLO v3 (2018)

无锚框目标检测算法

• 锚框 vs 无锚框

• FCOS, Fully Convolutional One-Stage (2019)

• CenterNet (2019)

Detection Transformers

• DETR (2020)

• Deformable DETR (2021)

目标检测模型的评估方法

• 检测结果的正确/错误类型

• 准确率 Precision 与 召回率 Recall

• PR 曲线 与 AP 值

• Mean AP