极致目标检测1

极致目标检测1

（第一次写这种文章，目的就是对所思所想做个记录，发表一下自己的见解，希望对他人有一定启发，也希望路过的大佬批评指正）。

由简入繁吧，项目方面的感悟和代码以后再写，今天主要就是简单写写。

关于人工智能

进入该领域的时间并不算长，但是也算有一点经验，发现人工智能的至高境界就是人，人学习的时间之长，覆盖领域之广，联想能力之深，时间记忆之长，都是一种极致，而且功耗之低，速度之快，也远不是一般计算机可以比拟的，将日常生活中的人工智能发挥到人一样的水准，某种意义上来说就算是到了一个极致了。

关于目标检测

目标检测有很多种算法：包括two-stage和one-stage，两阶段算法中比较经典的为RCNN系列，两者的区别就算单阶段的检测算法的速度远超两阶段，如sdd，yolo等。但人工智能里得失也似乎有一种均衡，速度大增之后精度有时并不如两阶段的高。

检测算法有两种基于：一种是anchor-based的，一种是anchor-free，以往的算法基本都是基于锚框的，近些年也有大佬发表一些性能远超前代的anchor-free算法，比如centernet和yolox等

目标检测的形成：算法为什么可以检测出目标物体呢，这是一种有监督学习，说白了就是人为告诉网络什么是什么，然后不断堆积高质量的数据，包含各种状态的，好的和坏的，完整的和缺损的，明亮的与灰暗的。有了这种监督，还需要将这些信息以一种不为人知的办法让网络学习到，这也就是卷积中很重要的特征提取过程。

关于实际应用

目标检测还有发展的空间，目前虽然越来越多优秀的算法开源，但是怎么修改联系应用是一门很深的学问。精度，速度的协调均衡也是一个十分重要的主题。优化剪枝，推理部署，还有很远的路要走。