目标检测基础知识1.0

目录

• 1.图像处理三大任务
• 2.基于深层神经网络的目标检测
• 3.常用数据集-Pascal voc
• 4.常见的评价指标（重要）
• 5.IoU指标
• 6.目标检测中的PR
• 7.数据增强及预处理方法
• 8.非极大值抑制Non-Maximum Suppression（NMS）

 

---

回到顶部

1.图像处理三大任务

1. 物体识别
2. 目标检测
3. 图像分割

目标检测：给定一张图像，判断图像中是否存在指定类别的目标，若存在，则输出目标位置、类别及置信度。

目标检测属于多任务，一个任务是目标分类，另一个是目标位置的确定，即分类与回归。

回到顶部

2.基于深层神经网络的目标检测

双阶段(two-stage)：第一级网络用于候选区域提取;第二级网络对提取的候选区域进行分类和精确坐标回

归，例如RCNN系列。（精确度更高）

单阶段(one-stage)：掘弃了候选区域提取这一步骤，只用一级网络就完成了分类和回归两个任务，例如YOLO和SSD等。

单阶段网络的准确度为何不如双阶段网络，训练中的不均衡

• 负例过多，正例过少
• 大多数负例十分容易区分

双阶段网络如何解决训练中的不均衡

1. 在RPN网络中，根据前景置信度的高度选择最有可能的候选区域，从而避免大量容易区分的负例；
2. 训练过程中根据交并比进行采样，将正负样本比例设为1:3，防止过多负例出现。

回到顶部

3.常用数据集-Pascal voc

• 其提供的数据集里包含了20类的物体。
• PASCALVOC的主要5个任务是
  1. 分类：对于每一个分类，判断该分类是否在测试照片上存在（共20类）；
  2. 检测：检测目标对象在待测试图片中的位置并给出矩形框坐标（bounding box）；
  3. 分割:对于待测照片中的任何一个像素，判断哪一个分类包含该像素（如果20个分类没有一个包含该像素，那么该像素属于背景）
  4. （在给定矩形框位置的情况下）人体动作识别；
  5. Large Scale Recognition（由ImageNet主办）。

bounding box 有四个参数[x,y,w,h] 给出图片左上角的坐标（x,y)之后可以自动计算出图片的大小。

回到顶部

4.常见的评价指标（重要）

True positives (TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；

False positives (FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；

False negatives (FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；

True negatives (TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。

Precision = TP / (TP + FP) = TP / 所有被模型预测为正样本的数据的数量

Recall = TP / (TP + FN) = TP / 所有真实类别为正样本的数据的数量

4.1PR曲线

我们希望检测的结果P越高越好，R也是越高越好，但事实上这两者在某些情况下是矛盾的，即一个变高，另外一个反而变小了。

那么我们就需要找到一种精确率和召回率之间的平衡。可以通过PR曲线来计算两个轴与曲线组成的面积得到去判断模型的好坏，这个面积称为AUC(Area under Curve)。

判断方式：AUC的面积越大代表模型越好。

回到顶部

5.IoU指标

衡量bounding box是否精准呢？

训练好的目标检测模型会给出大量的预测结果，但是其中大多数的预测值都会有非常低的置信度

（confidence score），因 此我们只考虑那些置信度高于某个阈值的预测结果。

将原始图片送入训练好的模型，在经过置信度阈值筛选之后，目标检测算法给出带 有边界框的预测结果。

IoU是预测框与ground truth的交集和并集的比值。 对于每个类，预测框和ground truth重叠的区域是交集，而横跨的总区域就是并集。

IoU = 交集 / 并集

回到顶部

6.目标检测中的PR

TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次）

FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量

FN: 没有检测到的GT的数量

图片中没有预测到物体的每个部分都被视为Negative。

回到顶部

7.数据增强及预处理方法

深层神经网络的训练过程，数据的预处理十分关键 。常用的预处理步骤包括：

• 图像归一化
• 图像增强，包括翻转、裁剪、饱合度亮度变换、噪声
• 图像的纵横比处理

常见的图像操作，一般灰度归一化，即减去均值；保持纵横比，将图像的短边缩放至同一大小 。

回到顶部

8.非极大值抑制Non-Maximum Suppression（NMS）

NMS算法一般是为了去掉模型预测后的多余框，其一般设有一个nms_threshold=0.5，具体的实现思路如下：

1. 选取这类box中scores最大的哪一个，记为box_best，并保留它

2. 计算box_best与其余的box的IOU

3. 如果其IOU>0.5了（表示两个框重叠度非常高了），那么就舍弃这个box（由于可能这两个box表示同一目标，所以保留分数高的哪一个）

4. 从最后剩余的boxes中，再找出最大scores的哪一个，如此循环往复