【CV-Learning】目标检测&实例分割

目标检测

单目标检测

训练思路：一般分三个阶段，先训练分类（一般是拿现成已经训练好的模型），再训练定位，再一起训练分类+定位。
Ps:目标检测中，一般不从头开始训练网络，而是使用ImageNet上预训练的模型。
多任务损失：网络训练的目标是降低总损失，所以 softmax loss 和 L2 loss 将同时减小，也可以为 softmax loss 和 L2 loss 分别设置一个权重，通过改变权重，调整 softmax loss 和 L2 loss 在总损失中所占的比重。
姿态估计：在人体上标注关键点，然后通过训练，与标答进行对比。

多目标检测

思考：神经网络的标答是预先建立好的，因为多目标检测中目标数量并不确定，输出的维度不确定，就无法建立Correct box标答，如果使用单目标检测的训练方法，无法建立多目标检测的表达，训练将不能进行。

滑动窗口

思路：将图像中所有可能的区域都给到卷积神经网络进行分类，只留下能正确分类的窗口。

注：仅当分类器速度够快的时候才能这样做，比如人脸识别时使用Adaboost进行穷举。

R-CNN

思考：针对穷举图像所有区域神经网络分类计算量大这个问题，提出了一种新的思想，先从图像中产生一些候选区域再进行分类，而不是穷举图像中所有区域。例如：区域建议 selective search。
思路：
1.利用区域建议产生感兴趣的区域。（存入硬盘）
2.对区域进行缩放。
3.将图像区域送入卷积网络（可以直接使用ResNet）进行特征提取。（存入硬盘）
4.使用支持向量机对区域进行分类，同时进行边界框回归（修正学习）。