目标检测2

1. 目标检测基本概念

定义：识别图片中的物体并定位其位置
多任务特性：位置定位 + 类别识别
主要挑战：
目标种类与数量繁多
目标尺度不均
遮挡、噪声等外部环境干扰

2. 主要数据集

VOC数据集
PASCAL VOC挑战赛数据集
4大类，20小类
VOC 2007: 9963张图片，24640个目标
VOC 2012: 23080张图片，54900个目标

COCO数据集
微软标注的MS COCO数据库
20万个图像，80个类别
超过50万个目标标注
平均每个图像7.2个目标

3. 标注格式

三种主要格式：
1. YOLO(TXT)：归一化的(x,y,w,h) - 中心点坐标和宽高
2. VOC(XML)：(Xmin,Ymin,Xmax,Ymax) - 左上角和右下角坐标
3. COCO(JSON)：(Xmin,Ymin,W,H) - 非归一化的左上角坐标和宽高

4. 评估指标

核心指标：
IoU(交并比)：边界框正确性度量
Precision(准确率)：查准率
Recall(召回率)：查全率
P-R曲线：精度-召回率曲线
AP(Average Precision)：平均精度
mAP(mean AP)：各类别AP的均值

AP计算方法：
11点法：在召回率[0,1]区间取11个点计算平均精度
评估流程：IoU划分TP/FP → 按置信度排序 → 计算P/R → 绘制P-R曲线 → 计算AP

5. 检测方法演进

传统方法：
滑动窗口法：人工设计尺寸，大量冗余操作，定位不准确

深度学习方法：

Anchor-based方法：
使用anchor box描述目标
ratio + scale描述位置和形状
自顶向下，类似滑动窗口穷举

Anchor-free方法：
自底向上，自动生成
无需预设anchor过程

Two-stage算法：
经典发展线：R-CNN → SPP-Net → Fast R-CNN → Faster R-CNN
其他：Cascade R-CNN、Guided Anchoring

One-stage算法：
YOLO系列：v1-v5
SSD系列：SSD、DSSD、FSSD
其他：RefineDet

6. 关键技术

非极大值抑制(NMS)：
1. 设置置信度阈值(通常0.5)
2. 按置信度降序排列候选框
3. 选取最高置信度框加入输出列表
4. 删除与选中框IoU大于阈值的候选框
5. 重复直到候选框为空