物体检测笔记

物体检测

在计算机视觉中，有如下四种基本任 务，分别是什么呢？

1. 经典方法：Deformable parts model

提出了一系列非常经典的做法，包括：
a. 如何应用stochastic gradient descent (SGD) 到training里。
b. NMS (non-maximum suppression)对后期testing的处理非常重要。
c. Data mining hard examples这些概念至今仍在使用。

2. 什么是NMS？

一种post-processing 方式。
用在所有检测系统里。
物体检测的指标里，不允许出现多个重复的检测，即使这些结果和真值都比较近。
那么如何删除多余的检测结果呢？
Non-maximum suppression (NMS)
做法：
把所有检测结果按照分值(conf. score)从高到底排序，保留最高分数的 box，那么和它距离上最近的那个box, 就没有必要保留了。
以此类推。

3. 什么是hard mining？

在一个mini-batch 里，能让classifier 混淆的sample (RoIoutputs)，标记成hard example, 用到下一轮的训练中。

4. 如果生成目标框呢？

传统方法：selective search
Uijlings et al, “Selective Search for Object Recognition”, IJCV 201330
这是一种自下而上(bottom-up segmentation)的方法:它是基于SLIC算法，先将图像分割成很多小的区域(superpixel), 然后根据小区域之间的相似程度，融合。最后结合各个尺度上的结果，产生很多region proposals.

各种传统生成目标框的方法比较