目标检测框

2.6

目标检测

---

使用固定大小的窗口，将图片进行遍历，将图像反馈给卷积网络，进行识别，但是滑窗检测平均一个图像需要进行1200个窗口分类，所以效率低，还会重复计算。可以采用启发式算法替换暴力遍历

基础知识

---

框泛指图像上的矩形框，边界横平竖直

描述一个框需要 4 个像素值：

• 方式1：左上右下边界坐标 𝑙,𝑡, 𝑟, 𝑏

• 方式2：中心坐标和框的长宽 𝑥, 𝑦, 𝑤, ℎ

边界框通常指紧密包围感兴趣物体的框

检测任务要求为图中出现的每个物体预测一个边界框

1. 区域（Region）：框的同义词

2. 区域提议（Region Proposal，Proposal）：指算法预测的可能包含物体的框，某种识别能力不强的算法的初步预测结果

3. 感兴趣区域（Region of Interest，RoI）

当我们谈论需要进一步检测这个框中是否有物体时，通常称框为感兴趣区域

4. 锚框（Anchor Box，Anchor）

图中预设的一系列基准框，类似滑窗，一些检测算法会基于锚框预测边界框

交并比

---

为两矩形框交集面积与并集面积之比，是矩形框重合程度的衡量指标

置信度

---

置信度（Confidence Score）：模型认可自身预测结果的程度，通常需要为每个框预测一个置信度

在滑窗或其他方法产生的框中，与物体的边界通常会有所偏差，则可以在预测物体类别的时候同时预测边界框相对于滑窗的偏移量

ppt 链接：https://pan.baidu.com/s/1vOKQ175HibjeOsjfBbVMhA?pwd=xa1n

提取码：xa1n