目标检测简介
- 图像分类:在图像分类中仅仅对图像所属的类别进行判断。
- 目标检测:除了对图像的类别进行判断外,还需要对图像中目标的位置进行判定,并通过置信度的设定过滤掉一些误检目标。
- 语义分割:找出图像中同一类物体目标所在的具体位置。
- 实例分割:不仅要区分语义分割中的位置外,还要区分同一类目标的位置。
one-stage VS two-stage
one-stage
优点:速度快
避免背景错误,产生false positive(也就是说误检率低)
学到物体的泛化特征
缺点:精度低(定位、检出率)
小物体检测效果不好
two-stage
优点:精度高(定位、检出率)
Anchor机制(提高模型性能的一个重要机制,能够考虑到不同尺度的区域)
共享计算量(作用就是减小网络模型,相当于对模型进行了正则化,对于防止模型的过拟合和模型的训练都有一定的意义)
缺点:速度慢
训练时间长
误报高