本文深入探讨了目标检测的关键指标，包括训练时间、空间复杂度和算法性能，并介绍了精度评价曲线如ROC和PR。同时，列举了Pascal VOC、Imagenet和MS COCO等数据集。检测思路从滑动窗口到现代的RPN和CNN，以及级联结构、部件模型和神经网络检测方法的发展。主要内容涉及DPM、R-CNN及其在目标检测领域的应用。
目标检测指标：
1.训练时间
2.模型存储所需空间
3.算法空间复杂度
4.不同场景下的迁移能力
5.从单类到多类或标签的推广能力
6.召回率
7.框的匹配
8.漏检率
9.误检率
10.精确率
11.平均精确率
-------------------------------------------------------------------------------------
精度评价曲线：
ROC：x:误检率 y：召回率，漏检率
PR：x：召回率 y：精确率
-------------------------------------------------------------------------------------
数据集：
Pascal VOC 20类物体
Imagenet 200类物体
MS COCO 80类物体
其他：
人脸检测：AFW，FDDB，MALF，IJB-A，WIDER FACE
行人检测：INRIA，Caltech Pedestrian，KITTI
车型检测：KITTI
-------------------------------------------------------------------------------------
检测思路（从旧到新）
产生窗口：滑动窗口，selective search，edgebox，rpn
提取特征：haar，lbp，sift，cnn
分类：boosting，svm，cnn
计算检测结果：nms，窗口合并，边框回归
----------------------------------------------------------------------------------------
主要的几类检测方法：
1.级联结构检测器：早在上世纪80年代就出现，从VJ人脸检测器开始风靡
2.部件模型：其思想在上世纪70年代已有体现，DPM的出现使得检测精度得到明显的提升（hog）
3.神经网络：早期有不少关于人脸检测的工作，R-CNN之后已成为主流的目标检测器
4.其他：基于范本的方法，概率模型
1.训练时间
2.模型存储所需空间
3.算法空间复杂度
4.不同场景下的迁移能力
5.从单类到多类或标签的推广能力
6.召回率
7.框的匹配
8.漏检率
9.误检率
10.精确率
11.平均精确率
-------------------------------------------------------------------------------------
精度评价曲线：
ROC：x:误检率 y：召回率，漏检率
PR：x：召回率 y：精确率
-------------------------------------------------------------------------------------
数据集：
Pascal VOC 20类物体
Imagenet 200类物体
MS COCO 80类物体
其他：
人脸检测：AFW，FDDB，MALF，IJB-A，WIDER FACE
行人检测：INRIA，Caltech Pedestrian，KITTI
车型检测：KITTI
-------------------------------------------------------------------------------------
检测思路（从旧到新）
产生窗口：滑动窗口，selective search，edgebox，rpn
提取特征：haar，lbp，sift，cnn
分类：boosting，svm，cnn
计算检测结果：nms，窗口合并，边框回归
----------------------------------------------------------------------------------------
主要的几类检测方法：
1.级联结构检测器：早在上世纪80年代就出现，从VJ人脸检测器开始风靡
2.部件模型：其思想在上世纪70年代已有体现，DPM的出现使得检测精度得到明显的提升（hog）
3.神经网络：早期有不少关于人脸检测的工作，R-CNN之后已成为主流的目标检测器
4.其他：基于范本的方法，概率模型
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
