1、目标检测:
输入通常为图片或视频帧
通常使用CNN作为特征提取器
在two-stage算法中,使用R-CNN(基于区域的卷积神经网络),先生成候选区域
对每个候选区域,需要判断物体类别(分类)和边界框(回归)
在检测过程中,一个物体可能得出多个框,这时需要非极大值抑制
One-stage模型:
直接在单次网络评估得出物体的类别和边界框,速度快但是精度较低
Two-Stage模型:
先用区域提议网络生成候选区域,再对区域进行分类和边界框的精调,精度高速度慢
2、YOLO模型学习:
YOLO是一种经典的One-Stage模型
使用CNN来提取图像特征
Yolo对每个边界框预测一个置信度=Pr(Object) * IOU(pred, truth);Pr代表格子中存在目标的概率,IOU代表交并比
自2015年以来每年迭代一个版本,目前已经是v10了
数据格式:每个图像使用一个txt文件标注,包括:1)类别:一个整数;2)边界坐标:由(x_center, y_center)和宽度width、高度height组成,其中(x_center, y_center)为边界框中心坐标
3、baseline调参:
在讲义里面给出的调参是增加训练集、切换不同模型权重。我选用的是参数量最大的yolov8x,选用了较大的模型就要把batchsize调低一点,我设置的batchsize是8,在默认16的情况下会Out of memory。总的来说本次学习还是比较简单的。