YOLO系列/20230903

深度学习经典检测方法 

1. two-stage（分两阶段）：Faster-Rcnn和Mask-Rcnn系列 -------检测过程中加了预选框步骤

• 速度通常较慢（5FPS），但是效果通常不错
• 非常实用的通用框架Mask-Rcnn，需要了解

2. one-stage（单阶段）：YOLO系列  ------当我们想做检测任务，一个cnn网络直接做一个回归                                                                  任务就可以，中间不需要加额外的补充

• 最核心的优势：速度非常快，适合做实时检测任务
• 但是缺点是效果通常情况下不会太好！

  

A图（即one-stage):  输入一张图，输出狗和猫的坐标，即一个框（做一个检测任务，得到四个值，即框的, 还有,即得到了四个预测结果）-------回归任务

B图（即two-stage)：输入一张图，最终结果检测狗和猫的位置，但是在检测过程中多加了一个RPN（区域建议网络），即多了一个预选框（类似于后续的结果是由一些候选人得到的），通过预选的结果再得到最终的结果。

3. 指标分析

• map指标：综合衡量检测效果；单看精度和recall不行吗？

• IOU：(Intersection over Union)  -----交集/并集（可以当作真实值和预测值的比值）

• 检测任务中的精度和召回率分别代表什么？

           精度：检测的绿色框和蓝色的真实框越接近越好

           召回率：下图的图B：漏检问题

           基于置信度（下图中，检测的是人脸的可能性有多大）阈值来计算，例如分别计算0.9；0.8；0.7

           0.9时：TP+FP=1, TP=1;  FN = 2; Precision = 1/1;  Recall = 1/3 （B和C的绿色框都被过滤掉了，都小于阈值0.9）

• 如何计算AP呢？需要把所有阈值都考虑进来；MAP就是所有类别的平均