文件内容课堂总结

目标检测是同时识别图像中物体类别和定位其位置（通过边界框坐标）的多任务技术。
核心挑战：
 
目标种类与数量多，需覆盖广泛类别。
 
目标尺度差异大（如小目标与大目标）。
 
环境干扰（如遮挡、噪声）。
 常用数据集
 
VOC数据集：
 
20个类别（分为4大类）。
 
包含9,963张图像和24,640个标注目标（VOC 2007）。
 
标注格式：XML文件，记录绝对坐标（Xmin/Ymin/Xmax/Ymax）。
 
COCO数据集：
 
80个类别，20万张图像，超50万个标注目标。
 
标注格式：JSON文件，记录目标左上角坐标及宽高（非归一化）。
 
平均每张图像包含7.2个目标。
 
YOLO数据集：
 
标注格式：TXT文件，记录归一化的中心点坐标和宽高。
 
 
评估指标
IoU（交并比）：
 
计算预测框与真实框的重叠面积占比，用于判定检测结果是否为真阳性（TP）或假阳性（FP）。
 
分类指标：
 
TP/FP/TN/FN：基于IoU阈值划分检测结果类别。
 
查准率（Precision） = TP / (TP + FP)。
 
查全率（Recall） = TP / (TP + FN)。
 
AP（平均精度）：
 
11点法：在召回率区间0,1内等距取11个点，计算对应Precision的均值。
 
mAP（均值AP）：所有类别AP的算术平均，用于综合评估模型性能。
  
传统方法与深度学习方法对比
传统方法（如滑动窗口法）：
 
依赖人工设计窗口尺寸，计算冗余度高，定位精度低。
 
深度学习方法：
 
Anchor-based方法（如Faster R-CNN、YOLO系列）：
 
基于预设锚框（比例和尺度）预测目标位置和类别。
 
Anchor-free方法（如CenterNet、FCOS）：
 
直接生成目标框，无需预设锚框。
 
Two-stage算法（如R-CNN系列、Cascade R-CNN）：
 
流程：首先生成候选区域，再分类与回归。
 
One-stage算法（如YOLO、SSD、RetinaNet）：
 
端到端直接预测目标，速度更快。
 
 后处理技术：非极大值抑制（NMS）
作用：过滤重复检测框，保留置信度最高的结果。
步骤：
 
按置信度从高到低排序候选框。
 
选取最高置信度框加入输出列表，删除与其IoU超过阈值的候选框。
 
重复上述步骤，直到候选框为空。