什么是目标检测–Object Detection

对象检测,也称为对象提取,是一种基于对象几何特征和统计特征的图像分割。它将物体的分割和识别合二为一,其准确性和实时性是整个系统的重要能力。目标检测不仅使用算法来判断图片中物品的分类,还标记了它在图片中的位置,并用边框或红框圈出了物品。这就是目标检测的问题。

目标检测从2001年开始,在2012年成为分水岭,因为这一年基于深度学习的目标检测方法,逐渐使目标检测进入到快速发展的阶段,比较流行的算法可以分为两类,一类是基于Region Proposal的R-CNN系算法(RCNN、SPPNet、FasterRCNN、Pyramid NetWorks等),它们是two-stage的,需要先算法产生目标候选框,也就是目标位置,然后再对候选框做分类与回归。而另一类是Yolo,SSD这类one-stage算法,其仅仅使用一个卷积神经网络CNN直接预测不同目标的类别与位置。第一类方法是准确度高一些,但是速度慢,但是第二类算法是速度快,但是准确性要低一些。

1.统一的实时目标检测

yolo将特征图划分为SXS的格子,每个格子负责对落入其中的目标进行检测,一次性预测所有格子所含目标不的边界框、定位置信度以及所有类别概率向量。

yolo算法的基本思想

(1)预测特征图

(2)多尺度整合

(3)锚框机制(Anchor)

通过特征提取网络对输入图像进行特征提取,得到一定大小的特征图。

预测的输出特征图有两个维度,即摄取的特征维度。

(1)非极大值抑制(NMS–Non-Maximum Suppression)

(2)损失函数(Loss Function)

包括:分类损失、定位损失、置信度损失

总损失函数 = 分类损失 + 定位损失 + 置信度损失

二:目标检测的性能

检测精度检测速度
Precision,Recall,F1 Score前传耗时
IoU(交并比)FPS(每秒帧数)
P-R curve浮点运算量(Flops)
AP(Average Precision)
mAP(mean Average Precision)

(1) 准确度

1、什么是混淆矩阵

精度:Precision=TP/(TP+FP)

召回率:Recall=TP/(TP+FN)

F1 score=2*Precision*Recall/(Precision+Recall)

什么是目标检测--Object Detection

2、IoU(交并比)

什么是目标检测--Object Detection

3、AP与mAP

AP衡量的是学习出来的模型在每个类别上的好坏。

mAP衡量的是学出来的模型在所有类别上的好坏,是所有类别AP的平均值。

(2) 检测速度

1、前传耗时(ms):从输入的一张图像到输出最终检测结果所消耗的时间。

2、每秒帧数(FPS):每秒钟能处理的图像数量。

3、浮点运算量(FLOPS):处理的每一张图像所需要的浮点运算数量。

三:目标检测数据集

1、Pascal Voc

Pacal VOC挑战赛在2005年-2012年间展开,共有两个数据集 Pascal VOC2007(9963张图像,24640个标注)和Pascal VOC2012(11530张图像,27450个标注),该数据集有20个分类。

2、MS COCO

起源于微软于2014年出资标注的Microsoft COCO数据集,与ImageNet竞赛一样,被视为是计算机视觉领域最受关注和最权威的比赛之一。COCO数据集包含20万个图像,其中11.5万张训练集图像,5千张验证集图像,2万多张测试集图像。80个类别中有超过50万个目标标注。

COCO竞赛成为当前目标识别和检测等领域的一个最权威、最重要的标杆,也是目前该领域在国际上能唯一能汇集Google、微软、Facebook以及国内外众多顶尖院校和优秀企业共同参与的大赛。

网站地址:http://cocodataset.org

四:目前国内主流的目标检测技术:

1、YOLOX:由中国的旷视科技研发,是目前国际上运行速度最快的一种深度学习模型。

2、YOLOV1-V5:Yolov1-yolov3由Joseph Redmon研发,yolov4-yolov5则是由yolo团队内部成员完成的。

3、Transformer:原来是做为语音识别的一个模型,现在用在图像的目标识别上面也有不俗的表现

4、ViT:当考虑预训练模型的计算成本时,ViT的性能非常好,以较低的预训练成本在大多数识别基准上达到了最先进的水平。

什么是目标检测--Object Detection

以下是课程预览。我们将以上目标检测技术介绍给大家。有兴趣的朋友可以关注我的微博。我会随时公布培训时间和报名方式。

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
心中带点小风骚的头像心中带点小风骚普通用户
上一篇 2022年3月18日
下一篇 2022年3月18日

相关推荐