随笔分类 - 目标检测
摘要：Motivation DMP就是先检测整个人，再检测四肢，然后综合两者的信息去判断。 因为HOG特征提取比较死板，一定要是一个人，动作幅度改变不能太大（比如站立的人，就一种姿态），但是目标很可能存在多种形变。因此引出了parts models使用组件激励得分去修正root得分（整体得分） 流程 采用
阅读全文
摘要：1.一次并行计算一个batch，因此所有的计算过程产生的tensor多了第一维batch_size 2.源码实现大量用到了python的广播功能（broadcasting），实现了不同维度数组间的直接计算 3.tensor之间的各种拼接变换组合 4.还有经常用的tensor.max（）函数，可以输出
阅读全文
摘要：交并比IoU衡量的是两个区域的重叠程度，是两个区域重叠部分面积占二者总面积（重叠部分只计算一次）的比例。 如下图，两个矩形框的IoU是交叉面积（中间图片红色部分）与合并面积（右图红色部分）面积之比。 IoU数值与box重叠度的关系 注意:IoU=0.5 == 2/3/(1/3+2/3+1/3)时，已
阅读全文
摘要：FCOS: Fully Convolutional One-Stage Object Detection 特点：全卷积，单阶段，类似于语义分割的逐像素预测 优点：无anchor box, 无proposal。设计复杂度大大降低。 避免了训练时计算IOU，更重要的是避免了所有与anchor box相关
阅读全文
摘要：将目标检测框的检测定义为其边界框中心点，利用 关键点估计 寻找中心点，然后其他的属性（如单目3D定位，姿势估计以及方向等）都基于中心点信息直接回归。 不需要像cornerNet那样去group和separate. 但是3D目标检测的深度depth和航向Orientation都不容易直接回归。 航向：
阅读全文
摘要：解决什么问题？ 1.注意力偏移 模型对具有良好视野的物体具有较高的注意，而一定程度忽视了其他目标。表现在:在靠近目标边界的区域位置存在很大区域不必要的高得分. 认为目标中心的anchor point和边缘的anchor point有相同的表达力是不合理的。一顿操作其实就是给每个附近高得分样本提出了一
阅读全文
摘要：基于关键点keypoint（point数目直接基于图像空间像素数）的anchor free目标检测算法： cornertNet centerNet ExtremeNet 基于锚点anchor point（point数目基于特征空间像素数）的anchor free目标检测算法： DenseBox FC
阅读全文
摘要：动机：实际训练时，由于batch都很小，因此每次BN的效果并没这么好。希望BN时能解决这个batch_size的影响。 https://blog.csdn.net/u014380165/article/details/79810040 https://www.cnblogs.com/jins-not
阅读全文
摘要：IOU作为距离度量时，并不能反映两者的重合姿态。而且对于IOU=0的情况不能反映两个box的距离有多远。 1. 预测的检测框如果和真实物体的检测框没有重叠（没有交集）的话，我们从IoU的公式可以看出，IoU始终为0且无法优化，也就是如果算法一开始检测出来的框很离谱，根本没有和真实物体发生交集的话，算
阅读全文
摘要：先obj_score置信度抑制过滤得分低的box，然后对剩下的做NMS抑制。 NMS抑制时仅仅使用置信得分(这个score = obj_score * cls_score)来排序，依次与类别内置信度高的box做IOU抑制。 NMS流程： 1. 先 分类别 按置信度排序，放到一个集合A中 2. 每一类
阅读全文
摘要：1. 图像/特征金字塔：通过输入多尺度的图像获得不同尺度的特征图。 有效但是耗时长 2. 卷积核金字塔：对特征图用不同尺度的卷积核滑窗卷积，得到不同尺度的输出。 通常会与图像/特征金字塔联合使用 3. anchor金字塔：比如Faster RCNN中用多尺度的anchor来回归目标的位置。 更经济。
阅读全文
摘要：Pyramid scene parsing network. In Proc. CVPR, pages 2881–2890, 2017 目的：扩大感受野，尽可能的利用全局上下文信息（某种程度上，可以认为感受野大小可以认为是对上下文信息利用的程度）。 做法： 1.对骨干提取的feature map（c
阅读全文
摘要：一、RPN: 首先图片经过backbone抽取特征图 然后，RPN网络首先对特征图做一下卷积，比如3*3*256，对于特征图上每个像素点就得到（1,256）的长向量，分两支分别判断： 1.是不是物体（因为只是区域建议，只需要区分是前景还是背景） 2.若是物体（即认为此号anchor是Positive
阅读全文
摘要：cornerNet:https://blog.csdn.net/u014380165/article/details/83032273 cornernet-lite centerNet CentripetalNet FCOS：无anchor SAPD:目前最强anchor-free目标检测网络htt
阅读全文
摘要：nms去除冗余框 下面是知乎上画的一组图，非常好理解。 检测得到四个坐标相关值和每一个bb所对应的类别的置信度，首先选定一个confidence阈值，将低于confidence的置信度给过滤掉，其次选定每一类最高的confience所对应的的检测框，计算同类其余剩下检测框的iou，iou阈值以上的删
阅读全文
摘要：首先搞清yolo检测网络的输入输出： 最终输入的是416*416的三通道图像，输出的是三个尺度特征图上的预测张量。 第一尺度：13*13，对此特征图使用最大的三个anchor box,最终得到13*13*3*（4+1+num_class）维度的张量。此尺度的特征图对原图来说有最小的分辨率，这个anc
阅读全文
