OPenmmlab实战营学习（三）

目标检测与MMDetection

一：概念

        目标检测：给一张图片，把关注的物体找出来，定位这个物体。
        应用：智慧城市、自动驾驶（环境感知、路径规划与控制）

二：基础知识

滑窗：

        1. 设定一个固定大小的窗口  

        2. 遍历图像所有位置，所到之处用分类模型（假设已经训练好）识别窗口中的内容 

        3. 为了检测不同大小、不同形状的物体，可以使用不同大小、长宽比的窗口扫描图片

--滑窗的效率问题
----改进：1：启发式算法 2：使用卷积网络实现密集预测

框，边界框：紧密包围感兴趣物体的框 需要像素值：
    1：区域：框 2：区域提议（二阶段算法）3：感兴趣区域  4：锚框
交并比：交际面积/并集面积
置信度：模型认可自身预测结果的程度
非极大值抑制：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：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
朴素方法的局限：有两个物体

 

三：算法改进思路：

        1：数据集：扩增 v5：马赛克拼接 骨干网络（每个部分都可以改模块）
        2：不同方评价指标：小目标和密集目标  锚框生成机制
        3：根据数据集特征：工程上，有些鲜明的特征