基础知识/领域常识

本文主要介绍目标检测中的基本概念以及公用的一些知识点。

基本概念

目标检测中，模型一般有哪几种类型？

• one-stage
  • 单阶段任务，以YOLO系列为主
  • 核心优势：速度非常快，适合做实时检测任务
• two-stage
  • 两阶段任务，以RCNN系列为主
  • 核心优势：准确率高，适合做离线或实时性要求不高的任务

目标检测中的有哪些指标概念？

• 二分类指标

  • TP/TN/FP/FN：这块完全与二分类任务相同。 需要注意的是：目标检测是基于置信度阈值来计算，例如分别计算 0.9; 0.8; 0.7

• mAP（平均精度）：在不同的置信度阈值中，绘画出Precision(y) 和 Recall(x) 的曲线图， 并计算出（y取最大值）的面积

  • Recall：$Recall=\frac{TP}{TP+FP}$
  • Precision：$Precision=\frac{TP}{TP+FN}$

• IOU：$IOU=\frac{\mathrm{预}\mathrm{测}\mathrm{框}\mathrm{与}\mathrm{真}\mathrm{实}\mathrm{框}\mathrm{的}\mathrm{交}\mathrm{集}\mathrm{面}\mathrm{积}}{\mathrm{预}\mathrm{测}\mathrm{框}\mathrm{与}\mathrm{真}\mathrm{实}\mathrm{框}\mathrm{的}\mathrm{并}\mathrm{集}\mathrm{面}\mathrm{积}}$

什么是NMS非极大值抑制？

非极大值抑制（Non-maximum supression）简称NMS，其作用是去除冗余的检测框，去冗余手段是剔除与极大值重叠较多的检测框结果。

思路

核心思想是搜索目标局部范围内的边界框置信度最大的这个最优值，去除目标邻域内的冗余边界框。

具体步骤

一般NMS后处理算法需要经历以下步骤（不含背景类，背景类无需NMS）：

1. 先将所有的边界框按照类别进行区分；
2. 把每个类别中的边界框，按照置信度从高到低进行降序排列；
3. 选择某类别所有边界框中置信度最高的边界框 bbox1， 然后从该类别的所有边界框列表中将该置信度最高的边界框 bbox1 移除并同时添加到输出列表中；
4. 依次计算该 bbox1 和该类别边界框列表中剩余的 bbox 计算IOU；
5. 将IOU与NMS预设阈值 Thre 进行比较，若某 bbox 与 bbox1 的IOU大于 Thre ， 即视为 bbox1 的“邻域”，则在该类别边界框列表中移除该bbox，即去除冗余边界框；
6. 重复 3~5 ，直至该类别的所有边界框列表为空，此时即为完成了一个物体类别的遍历；
7. 重复 2~6 ，依次完成所有物体类别的NMS后处理过程；
8. 输出列表即为想要输出的检测框，NMS流程结束。