目标检测1

1、目标检测

输入图像给出物体类别是 图像分类
框出物体是 目标检测
将目标切割出来是 实例分割（图像分割

2、实际应用场景

3、存在的挑战

多尺度：目标有近远所以大小不同分别为大样本小样本
小样本:小概率发生的事情（如烟火报警器，发生火灾的概率极小，样本少，所以为小样本


paddle 里给了一些压缩的方案

4、算法的发展

5、目标检测

传统目标检测将它分成目标检测问题



提取特征时有大量候选区域,导致特征重复提取而且计算的参数量过大

ROI poorling可以解决重复特征提取的问题
特征重复提取会因为下采样的次数太多，在上采样的时候就不能很好的还原图像原本信息了,会导致一部分图片的信息丢失.

BBox(Boundong Box)可以是:预测框 锚框 候选框 ROI 人工标注的groun_truth

IOU可以用来表示两个框的接近程度

MAP:模型量化的指标