目标检测算法

图像识别三大任务

• 目标识别：或者说分类，定性目标，确定目标是什么
• 目标检测：定位目标，确定目标是什么以及位置
• 目标分割：像素级的对前景与背景进行分类，将背景剔除

目标检测定义

识别图片中有哪些物体以及物体的位置

目标检测中能检测出来的物体取决于当前任务（数据集）需要检测的物体有哪些。

目标检测的位置信息一般由两种格式:

• 极坐标表示：(xmin, ymin, xmax, ymax)
  • xmin,ymin:x,y坐标的最小值
  • xmin,ymin:x,y坐标的最大值
• 中心点坐标：(x_center, y_center, w, h)
  • x_center, y_center:目标检测框的中心点坐标
  • w,h:目标检测框的宽、高

 应用:

• 道路检测

• 动物检测

• 商品检测

• 车牌检测

• 菜品检测

• 车型检测

 虚拟环境安装 

pip3 install virtualenv

配置参数

export WORKON_HOME=$HOME/virtualenv
source /usr/local/bin/virtualenvwrapper.sh

 新建虚拟环境

mkvirtualenv + -p  /user/bin/python(python版本所在位置) + test(虚拟环境名称)

 进入虚拟环境

workon test

 安装环境包

pip install -r requirements.txt

目标检测算法分类:

• 两步走的目标检测：先进行区域推荐，而后进行目标分类

  • 代表：R-CNN、SPP-net、Fast R-CNN、Faster R-CNN

• 端到端的目标检测：采用一个网络一步到位

  • 代表：YOLO、SSD

输入一张图片，经过其中卷积、激活、池化相关层，最后加入全连接层达到分类概率的效果

• 分类的损失与优化

在训练的时候需要计算每个样本的损失，那么CNN做分类的时候使用softmax函数计算结果，损失为交叉熵损失

 

• 常见CNN模型

 

 检测的任务:

• 分类：
  • N个类别
  • 输入：图片
  • 输出：类别标签
  • 评估指标：Accuracy

 

• 定位：
  • N个类别
  • 输入：图片
  • 输出：物体的位置坐标
  • 主要评估指标：IOU

 

 (x,y,w,h)有一个专业的名词，叫做bounding box。

在目标检测当中，对bbox主要由两种类别。

• Ground-truth bounding box：图片当中真实标记的框
• Predicted bounding box：预测的时候标记的框

 

 检测的评价指标

任务	description	输入	输出	评价标准
检测和定位	在输入图片中找出存在的物体类别和位置	图片	类别标签(categories)和 位置(bbox(x,y,w,h))	IoU (Intersection over Union) mAP

定位的简单实现 

增加一个全连接层，即为FC1、FC2

• FC1：作为类别的输出

• FC2：作为这个物体位置数值的输出

 

 假设有10个类别，输出[p1,p2,p3,...,p10]，然后输出这一个对象的四个位置信息[x,y,w,h]。

• 对于分类的概率，还是使用交叉熵损失
• 位置信息具体的数值，可使用MSE均方误差损失（L2损失）

对于输出的位置信息是四个比较大的像素大小值，在回归的时候不适合。目前统一的做法是，每个位置除以图片本身像素大小。