目标检测学习笔记

研究背景

计算机三大热门方向：计算机视觉、自然语言处理(NLP)以及语音识别

计算机视觉研究方向：

物体识别和检测

找出图片中常见的物体，并将其类别和位置输出，比如：人脸检测，车辆检测

识别：分类出哪些样本是目标

检测：从随机有干扰的图片中检测出有信息的特征

词义分割

对图像中的每个像素点进行分类，相当于对图片中的目标进行分割

运动和跟踪

在视频开始时给出目标的位置以及尺寸，然后在视频后续中对其进行追踪

视觉问答

目的旨在根据输入图像，由用户进行提问，而算法自动根据提问内容进行回答

物体检测的意义

研究角度看，是计算机视觉的根本问题之一，是很多高层视觉任务的基础

高层视觉任务：人脸识别、行人再辨识、目标跟踪、图像分类

应用角度看，已经表示出广泛的应用需求

物体检测应用：人脸解锁、视频监控、出入口人数统计、辅助驾驶、自动驾驶

发展脉络

 

 单阶段法只需要对锚框进行一次矫正就能得到最终结果，而多阶段法需要多次矫正。

 传统方法

利用手工特征+分类器，以滑窗方式在图像金字塔上遍历所有位置和大小，进行物体检测

滑窗方式遍历所有的位置，图像金字塔遍历不同大小

常用数据集 

通用物体检测数据集

人脸检测数据集

评价指标

检测精度

交除并重叠比（IoU）= 交集面积 / 并集面积

召回率 = 被召回的真实标注的数量（标注对的数量）/ 真实标注的数量（实际目标的数量）

精度 = 真正例的数量（标注对的数量） / 检测结果的数量（检测到的数量）

召回是看检测的是否全面，精度是看检测的是否准确

平均精度均值（mAP ）  所有种类平均精度（AP）的均值

平均精度 精度-召回率曲线下的面积

漏检率（Miss rate） =  漏检的数量 / 真实标注的数量

平均每张图的虚捡个数（FPPI）= 漏检个数 / 图片数

检测速度

前传耗时（ms） = 从输入一张图片到输出最终结果所消耗的时间

每秒帧数（FPS）= 每秒能处理的图像数量

作业

Overfeat：Integrated Recognition, Localization and Detection using Convolutional Networks

RCNN学习笔记(9):OverFeat:Integrated Recognition, Localization and Detection using Convolutional Networks_Focusing on your own Mind :) －> 站在巨人的肩膀上-CSDN博客

R-CNN：

R-CNN论文详解（论文翻译）_Cheese的博客-CSDN博客_r-cnn

fast RCNN:

Fast R-CNN论文详解_WoPawn的博客-CSDN博客_fasterrcnn论文

faster-RCNN

Faster R-CNN文章详细解读_Michael’s Blog-CSDN博客

FPN：feature pyramid networks for object detection

FPN（feature pyramid networks）算法讲解_AI之路-CSDN博客_feature pyramid

YOLO：

YOLO系列算法精讲：从yolov1至yolov4的进阶之路（2万字超全整理，建议收藏！）_不积跬步，无以至千里！-CSDN博客_yolo系列算法

SSD：

SSD原理解读-从入门到精通_QQ哥的专栏-CSDN博客_ssd原理

R-FCN:object detection via region-based fully convolutional networks

R-FCN算法及Caffe代码详解_AI之路-CSDN博客_fcn代码详解

DCN:Deep & Cross Network for Ad Click Predictions

推荐系统深度学习篇-DCN网络介绍(2)_来自Daisy和她的单程车票-CSDN博客_dcn网络

RetinaNet:Focal Loss for Dense Object Detection

RetinaNet论文理解_JustForYou的博客-CSDN博客_retinanet

Mask R-CNN:

【Mask RCNN】论文详解(真的很详细)_咖啡味儿的咖啡-CSDN博客_mask rcnn

召回率：4 / 5

精度：4 / 6

漏检率：1 / 6