Object Detection in 20 Years: A Surve 泛读记录

Object Detection in 20 Years: A Survey

发展历程

传统检测器

Viola Jones Detectors

1.积分图：加速计算Haar特征
积分图及其应用
目标检测的图像特征提取之（三）Haar特征
2.Adaboosting 特征选择，从大量随机特征中选择与人脸相关特征
3.Detection cascades

HOG 方向梯度直方图

HOG特征
HOG特征——行人识别
1.计算每个像素x,y方向的梯度，再计算每个像素的梯度幅值和方向(角度)
2.将图像均匀分成一个个bin，计算每个bin上的方向梯度直方图向量
3.将多个bin组成的block归一化，将所有block特征串联组成图像特征向量

Deformable Part-based Model (DPM)

DPM（Deformable Part Model）原理详解
map 33.7%

MI-SVM选择难例，lSVM 训练模型

基于卷积神经网络的目标检测

两步检测器

RCNN

selective search 选择2000个可能有目标的修行框。AlexNet网络特征提取，SVM目标分类。VOC07 map 58.5%，
14s检测一幅图片。输入大小固定（裁剪，变换，信息丢失），特征计算重复。

SPPNet

特征金字塔。增加特征金字塔池化层，对任意大小输入输出固定大小特征图。
VOC07 mAP=59.2%).

Fast RCNN

VOC07 70%。RoI pooling layer类似SPP层，任意大小输入输出固定大小特征图，池化大小H/h, H输入特征图大小，h输出 。

Faster RCNN

RPN 区域候选网络代替Selective search ,特征一次计算，端到端训练与检测。COCO [email protected]=42.7%, COCO mAP@[.5,.95]=21.9%,
VOC07 mAP=73.2%, VOC12 mAP=70.4%, 17fps with ZFNet

单步检测器

YOLO

速度快，精度不如两步检测器

Single Shot MultiBox Detector (SSD)

多特征，多尺度检测

RetinaNet

focal loss缓解样本不平衡

目标检测数据集与指标

###### 关键技术
目标候选，多尺度检测，边框回归，环境感知，ＮＭＳ非极大值抑制，难例挖掘。

检测加速

Cascaded Detection 分级检测

过滤简单的背景框，剩余进一步检测

Network Pruning 剪枝

去除不重要的权重或滤波器

Network Quantification 量化

网络权重二值化，加速计算

Network Distillation

压缩大网络（teacher net)为小网络（student net），可以用前者指导后者训练 ，或最小化两者间特征距离

Lightweight Network Design 轻量网络设计

a:标准卷积
b:多个小卷积核组合，实现相同大小的感受视野
c:因式分解近似计算
d:分组并行计算
e:深度方向单通道卷积

数值计算回事

积分图计算，傅里叶频域计算

目标检测最新进展