基础知识 | 对目标检测认识及理解

目标检测基础知识

网络的阶段之分

• 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。

• 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。

单阶段网络为何不如双阶段的原因

因为训练中的正负例不均衡。

• 负例过多，正例过少，负例产生的损失完全淹没了正例；
• 大多数负例十分容易区分，网络无法学习到有用信息。如果训练数据中存在大量这样的样本，将导致网络难以收敛。

双阶段网络如何解决训练中的不均衡

• 在RPN网络中，根据前景置信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。
• 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。

常见数据集

Pascal VOC数据集

分为2007和2012两个版本，其提供的数据集里包含了20类的物体。

PASCALVOC的主要5个任务：

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（boundingbox）；

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人体动作识别（在给定矩形框位置的情况下）

⑤LargeScaleRecognition（由ImageNet主办）

导入图像对应的.xml文件，在标注文件中的每一幅图像的每一个目标，对应一个体dict

• 属性'boxes'
• 属性'gt_classes'
• 属性'gt_overlaps'
• 属性'flipped'
• 属性'seg_areas'

CoCo 数据集

分为2014、2015、2017 三个版本

在annotations文件夹中对数据标注信息进行统一管理。例如，train2014的检测与分割标注文件为instances_train2014.json

objectinstances(目标实例)、objectkeypoints(目标关键点)、imagecaptions(看图说话)三种类型的标注

常见评价指标

True positives（TP）：被正确的划分到正例的个数，即实际为正例且被划分为正例的实例数。

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

False negatives（FN）：被错误的划分为负例的个数，即实际为正例但被划分为负例的实例数。

True negatives（TN）：被正确的划分为负例的个数，实际为负例且被划分为负例的实例数。

Precision = TP/(TP+FP) = TP/所有被模型预测为正例的数据

Recall = TP/(TP+FN) = TP/所有真实类别为正例的数据

PR曲线

我们希望检测的结果P越高越好，R也越高越好，但事实上这两者在某些情况下是矛盾的。

所以我们需要做的是找到一种精确率与召回率之间的平衡。其中一个方法就是画出PR曲线，然后用PR曲线下方的面积AUC（AreaunderCurve）去判断模型的好坏。

IOU指标

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。

目标检测中的PR

VOC中mAP的计算方法

通过PR曲线，我们可以得到对应的AP值：

在2010年以前，PASCALVOC竞赛中AP是这么定义的：

• 首先要对模型预测结果进行排序（即照各个预测值置信度降序排列）。
• 我们把recall的值从0到1划分为11份：0、1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0。
• 在每个recall区间（0-0.1,0.1-0.2，2-0.3，…，0.9-1.0）上我们计算精确率的最大值，然后再计算这些精确率最大值的总和并平均，就是AP值。

从2010年之后，PASCALVOC竞赛把这11份recall点换成了PR曲线中的所有recall数据点。

对于某个recall值r，precision值取所有recall>=r中的最大值（这样保证了p-r曲线是单调递

减的，避免曲线出现摇摆）这种方法叫做all-points-interpolation。这个AP值也就是PR曲

线下的面积值。

具体例子：

Coco中mAP的计算方法

采用的是IOU（用于决定是否为TP）在[0.5:0.05:0.95]计算10次AP，然后求均值的方法计算AP。

非极大值抑制

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，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
4. 留分数高的哪一个）
5. 从最后剩余的boxes中，再找出最大scores的哪一个，如此循环往复