1. 目标检测-任务概述

分类 VS 检测

• 分类问题：所属类别
• 检测问题：所属类别 + 物体位置

1.1 从分类到检测算法

设

穷举图片中所有可能的矩形框

候选区域：每个

ROI)。

1.2 目标检测的核心问题

• 如何产生候选区域，并对它们进行标注；
• 如何提取图像特征，并将提取到的特征与候选区域的类别和位置进行关联。

1.3 目标检测算法

• 两阶段目标检测算法：特征提取 -> 生成 Region Proposal -> 分类 + 位置调整(bounding box regression)

典型算法： Faster-RCNN， Pyramid Network

• 单阶段目标检测算法：特征提取 -> 分类 + 位置调整(bounding box regression)

典型算法：SSD， YOLOv3，RetinaNet

2. 目标检测基础知识

边界框：正好能包含物体的矩形框，bounding box, bbox。

真实框：数据集标注中给出的目标物体对应的边界框， ground truth box, 简称 gt_box。

预测框：由模型预测出的可能包含目标物体的边界框，prediction box, 简称 pred_box。

检测任务输出：[L, P, x1, y1, x2, y2]，L 是类别标签，P 是所属类别的概率。一张图片会有多个预测框。

锚框：以某种规则生成边界框，经过位置调整后成为预测框， anchors。

锚框的生成可参考程序：

书亮：generate_anchors.py​zhuanlan.zhihu.com

锚框和真实框的重合程度可以用指标 IOU（Intersection of Union）来衡量。

3. 目标检测的指标

• TP (True Positive)： 正确的正样本。即检测器找出了样本区域，正确的判断。
• FN (False Negative): 错误的负样本，即检测器把样本区域判定为背景，相当于『遗漏』。
• TN (True Negative): 正确的负样本。即检测器把背景判定为背景，正确的判断。
• FP (False Positive): 错误的正样本。即检测器把背景判定为样本区域，也叫『虚警』。

3.1 两个指标：

• Precision

Precision - 正确率，也即检测结果的正确率：

• Recall

Recall - 召回率，也即样本被检测出来的概率：

3.2 如何判断检测器的好坏？

对于检测算法，每个框的输出如下：

confidence 代表当前框是目标的置信度，

PR 曲线

调整

从积分的角度来看，PR 曲线下的面积就是检测器在各个

3.3 mAP

关于多类别检测器，考虑 mAP (mean Average Precision):

3.4 NMS

NMS(None Maximum Suppression)，又名为非极大值抑制，是目标检测框架种的后处理模块，主要用于删除高度冗余的 bbox。

4. Faster-RCNN

5. YOLOv3

5.1 实现方案

参考

1. Paddle 深度学习应用公开课: https://www.bilibili.com/video/av83663267
2. NMS: https://zhuanlan.zhihu.com/p/50126479