目标检测任务描述

Posted 2021-09-06 ZSYL

目标检测任务描述

• 学习目标
• 1. 目标检测算法分类
• 2. 目标检测的任务
• • 2.1 分类原理回顾
  • 2.2 检测的任务
• 3.1 目标定位的简单实现思路
• • 3.1 回归位置
• 4. 两种Bounding box名称

学习目标

• 目标
  • 了解目标检测算法分类
  • 知道目标检测的常见指标IoU
  • 了解目标定位的简单实现方式

1. 目标检测算法分类

• 两步走的目标检测：先进行区域推荐，而后进行目标分类

  • 代表：R-CNN、SPP-net、Fast R-CNN、Faster R-CNN

• 端到端的目标检测：采用一个网络一步到位

  • 代表：YOLO、SSD

2. 目标检测的任务

2.1 分类原理回顾

先来回归下分类的原理，这是一个常见的CNN组成图，输入一张图片，经过其中卷积、激活、池化相关层，最后加入全连接层达到分类概率的效果

• 分类的损失与优化

在训练的时候需要计算每个样本的损失，那么CNN做分类的时候使用softmax函数计算结果，损失为交叉熵损失

• 常见CNN模型

对于目标检测来说不仅仅是分类这样简单的一个图片输出一个结果，而且还需要输出图片中目标的位置信息，所以从分类到检测，如下图标记了过程:

• 分类

• 目标检测

2.2 检测的任务

• 分类：
  • N个类别
  • 输入：图片
  • 输出：类别标签
  • 评估指标：Accuracy

• 定位：
  • N个类别
  • 输入：图片
  • 输出：物体的位置坐标
  • 主要评估指标：IOU

其中我们得出来的(x,y,w,h)有一个专业的名词，叫做bounding box(bbox).

• 物体位置：
  • x, y, w,h:x,y物体的中心点位置，以及中心点距离物体两边的长宽
  • xmin, ymin, xmax, ymax：物体位置的左上角、右下角坐标

3.1 目标定位的简单实现思路

在分类的时候我们直接输出各个类别的概率，如果再加上定位的话，我们可以考虑在网络的最后输出加上位置信息。

3.1 回归位置

增加一个全连接层，即为FC1、FC2

• FC1：作为类别的输出

• FC2：作为这个物体位置数值的输出

假设有10个类别，输出[p1,p2,p3,…,p10]，然后输出这一个对象的四个位置信息[x,y,w,h]。同理知道要网络输出什么，如果衡量整个网络的损失

• 对于分类的概率，还是使用交叉熵损失
• 位置信息具体的数值，可使用MSE均方误差损失（L2损失）

如下图所示：

4. 两种Bounding box名称

在目标检测当中，对bbox主要由两种类别。

• Ground-truth bounding box：图片当中真实标记的框
• Predicted bounding box：预测的时候标记的框

一般在目标检测当中，我们预测的框有可能很多个，真实框GT也有很多个。

加油!

感谢!

努力!