目标检测及锚框、IoU

文章目录

• • 1. 目标检测
  • 2. 锚框
  • 3. IoU - 交并比
  • 4. 赋予锚框标号
  • 5. 使用非极大值抑制（NMS）输出

1. 目标检测

物体检测（目标检测）是计算机视觉和数字图像处理的热门方向，意在判断一幅图像上是否存在感兴趣物体，并给出物体分类及位置等（What and Where）。本文主要进行物体检测研究背景、发展脉络、相关算法及评价指标的概述。

我们要识别中所有我们感兴趣的物体，并且找出每个物体的位置。

边缘框

边缘框是图片中物体的真实位置和范围，有两种表示方式，一种是边角坐标表示法，通过物体左上和右下两个角的坐标表示一个矩形框，还有一种是中心表示法，用物体的中心和宽高表示矩形框。

• 一个边缘框可以通过4个数字定义
  • (左上x，左上y，右下x，右下y)
  • (左上x，左上y，宽，高)

目标检测数据集

• 每行表示一个物体
  • 图片文件名、物体类别、边缘框
• COCO数据集
  • 80物体，330K图片，1.5M物体

定义两种边缘框之间的转换函数

import torch
def box_corner_to_center(boxes):
    """ 从（左上，右下）转换到（中间，宽度，高度） """
    x1,y1,x2,y2 = boxes[:,0],boxes[:,1],boxes[:,2],boxes[:,3]
    cx = (x1+x2)/2
    cy = (y1+y2)/2
    w = x2-x1
    h = y2-y1
    boxes = torch.stack((cx,cy,w,h),dim=1)
    return boxes

def box_center_to_corner(boxes):
    """从（中间，宽度，高度）转换到（左上，右下）"""
    cx,cy,w,h = boxes[:,0],boxes[:,1],boxes[:,2],boxes[:,3]
    x1 = cx - 0.5 * w
    y1 = cy - 0.5 * h
    x2 = cx + 0.5 * w
    y2 = cy + 0.5 * h
    boxes = torch.stack((x1, y1, x2, y2), dim=1)
    return boxes

边缘框实现

from matplotlib import pyplot as plt

# 将边界框在图中画出
def bbox_to_rect(bbox,color):
    return plt.Rectangle(
        xy=(bbox[0], bbox[1]), width=bbox[2] - bbox[0], height=bbox[3] - bbox[1],
        fill=False, edgecolor=color, linewidth=2)

dog_bbox, cat_bbox = [60.0, 45.0, 378.0, 516.0], [400.0, 112.0, 655.0, 493.0]

fig = plt.figure(figsize=(5,8),dpi=100)
ax1 = fig.add_subplot(1,1,1)
image= plt.imread("code/images/catdog.jpg")
ax1.imshow(image)

ax1.axes.add_patch(bbox_to_rect(dog_bbox, 'blue'))
ax1.axes.add_patch(bbox_to_rect(cat_bbox, 'red'));
plt.show()

---

2. 锚框

在众多经典的目标检测模型中，均有先验框的说法，有的paper(如Faster RCNN)中称之为anchor(锚点)，有的paper(如SSD)称之为prior bounding box(先验框)，实际上是一个概念。

锚框的作用：

对于目标检测任务，有这样一种经典解决方案：遍历输入图像上所有可能的像素框，然后选出正确的目标框，并对位置和大小进行调整就可以完成目标检测任务。这些进行预测的像素框就叫锚框。这些锚框通常都是方形的。

同时，为了增加任务成功的几率，通常会在同一位置设置不同宽高比的锚框。锚框的设置形式有很多种。

• 一类目标检测算法是基于锚框
  • 提出多个被称为锚框的区域（边缘框）
  • 预测每个锚框里是否含有关注的物体
  • 如果是，预测从这个锚框到真实边缘的偏移

---

3. IoU - 交并比

IoU用来计算两个框之间的相似度

• 0表示无重叠，1表示重合

这是Jacquard指数的一个特殊情况

给定两个集合$A$和$B$
$$J(A,B)=\frac{|A\cap B|}{|A\cup B|}$$

---

4. 赋予锚框标号

• 每个锚框是一个训练样本

• 将每个锚框，要么标注成背景，要么关联上一个真实边缘框

• 我们可能会生成大量的锚框

  • 这个导致大量的负类样本

在蓝色格子里面寻求IoU的最高值，选中，比如：

第一个最大值为$x_{23}$,那就用锚框2来预测边缘框3，去除锚框2边缘框3所对应的行列。

继续在剩下的格子里面寻找最大值，如$x_{71}$，那就用锚框7来预测边缘框1，去除锚框7边缘框1所对应的行列。

赋予标号的方式有很多种。

---

5. 使用非极大值抑制（NMS）输出

• 每个锚框预测一个边缘框
• NMS可以合并相似的预测
  • 选中的是非背景类的最大预测值
  • 去掉所有其它和它IoU值大于$\theta$的预测
  • 重复上诉过程直到所有预测要么被选中，要么被去掉

如：

首先选取狗类别的最大预测值，为0.9，然后去除该类别预测值小于0.9且IoU大于$\theta$的值。
然后选取猫类别的最大预测值，为0.9，然后去除该类别预测值小于0.9且IoU大于$\theta$的值。

总结：

• 一类目标检测算法基于锚框来预测
• 首先生成大量锚框，并赋予标号，每个锚框作为一个样本进行训练
• 在预测时，使用NMS来去掉冗余的预测