深度学习之目标检测学习笔记——1、基本概念

1、BBox：边界框

    一般分为人工标注、预测识别两种。

    有两种标注方式：
    1）xyxy：左上+右下的坐标
    2）xywh：左上+长宽
    一共四个值进行记忆。

2、Anchor：锚框，又叫Prior Box

    人为设置的不同长宽比、面积的先验框。
    
    一般是在特征图片上进行划定区域而进行的。

3、RoI：特定的感兴趣区域

4、Region Proposal：候选区域/框

5、RPN：Region Proposal Network——提取候选框网络，用来提取候选框的

6、IoU：Intersaction over Union——交并比

    主要是用来评价预测框的质量，IoU越大则预测框与标注越接近，主要取的是BBox中人为标注的框和预测框之间的交集或者说是面积。

7、mAP

准确率：针对预测结果而言的

召回率：针对样本而言的

P-R曲线：实际上是用的是累积的点所构成的曲线（此处累计，需要先根据预测得分进行排序，然后进行precision和recall进行的累计求解，从上到下，求出每个点的坐标）将每一个散点进行连接，就可以得到最后的P-R曲线。（在VOC中可能会进行拟合，再求AP的值，这在CoCo和voc中还是有点不一样的）

8、NMS非极大值抑制（去掉非极大值，只留下极大值）

 一般是出现多个预测框（出现意见不一致），则会最终留下一个预测框。