目标检测（一）

1. 目标检测是什么？

简单说就是 “认出图片里的物体，还找到它们在哪儿”，要同时完成 “定位置” 和 “辨类别” 两个任务，还会面临物体种类数量多、大小不一、被遮挡或有噪声干扰等难题。

2. 常用数据集

有三个常用的标注好的 “练习数据” 库：

• VOC 数据集：分 4 大类、20 小类，2007 版有近万张图、2 万多个目标，2012 版图和目标更多；
• COCO 数据集：微软 2014 年搞的，有 20 万张图、80 个类别，超 50 万个目标，平均每张图有 7.2 个目标；
• 还有 “Ground Truth”（真实标注）：记录物体类别和位置，不同格式记录方式不同 ——YOLO 用归一化的中心点 + 宽高，VOC 用左上角 + 右下角坐标，COCO 用未归一化的左上角 + 宽高。

3. 怎么判断检测得好不好？

用一系列 “评估指标”：

• IoU：看预测框和真实框重叠多少，重叠率是判断框准不准的关键；
• TP/FP/TN/FN：TP 是 “真的检测对了”（IoU 超阈值），FP 是 “假阳性”（把不是目标的当成目标），TN 是 “真的没目标”，FN 是 “漏检”（没找到真实目标）；
• Precision/Recall：Precision 是 “检测对的比例”（查准率），Recall 是 “找全真实目标的比例”（查全率），还会画 P-R 曲线看整体表现；
• AP 和 mean AP：AP 是单个类别的平均表现（常用 11 点法计算），mean AP 是所有类别的 AP 求平均。

4. 目标检测的方法

分 “传统方法” 和 “深度学习方法”：

• 传统方法：主要是 “滑动窗口法”，要人工设窗口尺寸，会做很多重复操作，定位还不准；
• 深度学习方法：
  • 先分 “anchor-base”（先预设很多框，再筛选）和 “anchor-free”（不用预设，自动找目标）；
  • 再按流程分 “two stage”（两步走：先找可能有目标的区域，再判断类别和位置，比如 R-CNN 系列）和 “one stage”（一步到位：直接从图里出结果，比如 YOLO、SSD 系列）；
  • 最后都会用 “NMS（非极大值抑制）”：去掉重复的框 —— 先按置信度排序，留最高的，删掉和它重叠多的，反复到没重复框。