OpenMMLab AI 实战训练营笔记 04

目标检测与 MMDetection

目标检测做了什么？

给定一张图片，目标检测算法给出了前景目标的预测位置与类别，用矩形框框出了所有感兴趣物体，同时预测物体类别。

目标检测算法已在人脸识别、智慧城市、自动驾驶等多个领域落地部署。

目标检测算法的演进

传统方法 DPM → 两阶段方法 Faster R-CNN → 级联方法 Cascade R-CNN → 单阶段检测方法 → Transformer方法
在 COCO 数据集上的推理精度 mAP 由 Faster R-CNN 的 21-34% 到 SwinTrans+HTC 的 57.7%。轻量级模型的推理速度可在 10ms 内。

基础知识

框，边界框

框泛指图像上的矩形框，边界横平竖直

描述一个框需要4个像素值：
方式1：左上右下边界坐标（l，t，r，b)
方式2：中心坐标和框的长宽（x，y，w,h)

边界框通常指紧密包围感兴趣物体的框。
检测任务要求为图中出现的每个物体预测一个边界框。

以下这些概念都指某种框，用在不同的上下文中：
1.区域（Region)：框的同义词
2.区域提议(Region Proposal，Proposal)
指算法预测的可能包含物体的框，某种识别能力不强的算法的初步预测结果
3.感兴趣区域（Region of Interest，Rol)
当我们谈论需要进一步检测这个框中是否有物体时，通常称框为感兴趣区域
4.锚框(Anchor Box， Anchor)
图中预设的一系列基准框，类似滑窗，一些检测算法会基于锚框预测边界框

交并比

置信度

置信度（Confidence Score）：
模型认可自身预测结果的程度，通常需要为每个框预测一个置信度
大部分算法取分类模型预测物体属于特定类别的概率。部分算法让模型独立于分类单独预测一个置信度。
我们倾向认可置信度高的预测结果。

非极大值抑制

边界框回归

边界框编码