对象检测技术如此混乱，如何更清晰地厘清各类目标检测复杂概念
本文插图
目标检测技术的复杂程度超出我们的想象 。 始终需要将数据转换为类似COCO的JSON或其他不需要的格式 。 它从来没有即插即用的体验 。 此外 ， 没有像U-Net或ResNet那样的图完全解释Faster R-CNN或YOLO ， 细节太多了 。
尽管这些模型非常混乱 ， 但对它们缺乏简单性的解释却很简单 。 它适合一个句子：
神经网络具有固定大小的输出
在物体检测中 ， 无法先验地知道一个场景中有多少个对象 。 可能只有1个 ， 2个 ， 12个或没有 。 以下图像均具有相同的分辨率 ， 但具有不同数量的对象 。
本文插图
本文插图
本文插图
一百万美元的问题是：如何从固定规模的网络中构建可变规模的产出？另外 ， 我们应该如何训练各种损失（分类损失、边界框损失）？我们如何惩罚错误的预测？
实施可变大小的预测
为了创建大小不同的输出 ， 文献中有两种方法可供使用：''一种尺寸适合所有人''方法 ， 如此广泛以至于足以满足所有应用程序的输出 ， 以及''超前''想法 ， 我们在以下地区进行搜索：感兴趣区域 ， 然后我们将其分类 。
我只是编造了这些用语 。 实际上 ， 它们被称为''一阶段''和''两阶段''方法 ， 这有点不言自明 。
一阶段方法
Overfeat ， YOLO ， SSD等
如果我们不能有可变大小的输出 ， 我们将返回一个太大的输出以至于它总是大于我们需要的输出 ， 那么我们可以修剪多余的输出
整个想法是走贪婪的路线 。 原始的YOLO检测器最多可以检测448x448图像的98个边界框 。 听起来很荒谬 ， 确实如此 。 你自己看：
本文插图
有太多冗余的检出
真是一团糟！但是 ， 您可以看到每个框都有一个百分比 。 该百分比表示算法对分类的''信心'' 。 如果我们将此阈值限制为某个值（例如50％） ， 则会得到以下结果：
本文插图
设定为50％置信度的阈值效果很好
好多了！这几乎可以概括为一个阶段的方法：生成大量（但固定）的检测结果并消除混乱 ， 通常将阈值和非最大抑制（NMS）混合在一起 。
这种方法因其速度快而受到高度重视 。 单个网络可以一次性处理整个图像并输出检测结果 。 时至今日 ， 每当速度成为最重要的问题时 ， 单级检测器就受到青睐 。
缺点是存储成本高、检测精度低 。 每个边界框消耗的内存与类的数量成正比 ， 并且边界框的数量与图像分辨率成平方增长 。 当类别很多且输入分辨率高时 ， 这种成本可能会非常昂贵 。 最重要的是 ， 网络必须共同定位和分类对象 ， 这会损害两个任务的性能 。
两阶段探测器
RCNN ， Fast-RCNN ， Faster-RCNN ， RetinaNet等
如果我们无法获得可变大小的输出 ， 那么让我们搜索感兴趣的区域并自己处理每个区域
换句话说 ， 这种方法将边界框与检测结果分离 。 在第一阶段 ， 该算法找出感兴趣区域 。 然后 ， 我们使用专用网络对它们进行分类 。 第一阶段如下所示：
本文插图
两阶段检测器的区域建议
推荐阅读
- ZAKER生活|暗打手势 是什么原因让司机如此动作？，出租司机
- 窘境|窘境中求助惨遭拒绝！中国此次也选择置之不理，俄国：早该如此
- 壹号小蘑菇|谁也没料到如此之快！网友：微信支付宝再见，四大银行正式宣布
- 支付宝|四大银行正式宣布，谁也没料到如此之快！网友：微信支付宝再见！
- 华为|华为正式宣布！花粉也没有想到，幸福来得如此之快？
- 犯罪|出租司机 暗打手势 是什么原因让司机如此动作？
- 无线充电|谁也没想到，雷军正式宣布，一切来得如此之快！
- 核潜艇|曾经是世界头号海军！现在沦落到如此程度，核潜艇都能集体感染
- 捡故事的人|冷军也不过如此，她画水堪称一绝，比照片还要真实，忍不住点赞
- 小米科技|10月19日！小米正式宣布，谁也没想到，一切竟来得如此之快！