目标检测基本概念解释

原创 已于 2023-05-08 15:00:00 修改 · 759 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #目标检测

于 2023-02-20 11:22:32 首次发布
本文介绍了目标检测中的关键概念，包括Backbone网络用于特征提取，Neck提升特征利用率，Head进行预测。还讨论了Bottleneck、GAP（全局平均池化）、Warmup训练策略、评估标准如mAP、Precision-Recall曲线以及过拟合的识别和解决方法。此外，提到了BN（BatchNormalization）的作用和GFLOPs作为计算复杂度的指标。

文章目录

前言🎈（只要学习，就会一直写！）

简单记录一下，自己在学习目标检测过程中遇到的一些概念问题🐱‍🐉

backbone

主干网络，用来做特征提取的网络（比如ResNet，VGG等等），一般用来提取图片信息，然后生成Feature map。

neck

放在backbone和head之间，作用是更好的利用backbone提取的特征。

head

是获取网络的输出内容，head部分利用backbone提取的特征作出预测。

bottleneck

意为瓶颈，通常指的是网络输入的数据维度和输出的维度不同，输出的维度比输入的小了许多，就像脖子一样，变细了。经常设置的参数 bottle_num=256，指的是网络输出的数据的维度是256 ，可是输入进来的可能是1024维度的。

GAP（Global Average Pool）

全局平均池化。即将某个通道的特征值取平均值。

warm up

Warm up指的是用一个小的学习率先训练几个epoch，这是因为网络的参数是随机初始化的，一开始就采用较大的学习率容易数值不稳定。

目标检测结果评价标准

box_loss:边界框回归损失 预测预测框和标定框之间的损失。
obj_loss： 目标存在的置信度损失。
csl_loss: 分类损失，计算锚框和对应的标记分类是否正确。
一般来说mAP针对整个数据集而言的；AP针对数据集中某一个类别而言的；而percisi

最低0.47元/天 解锁文章
GFLOP、DMIPS、TOPS 到底有啥区别？这篇终于讲明白了！
weixin_43199439的博客
07-31 512
性能指标全称单位意义擅长什么GFLOP每秒可执行多少十亿次浮点运算浮点计算，如图像处理、物理仿真DMIPS基于 Dhrystone 基准测试的整数处理能力控制类任务，如 ECU、VCUTOPS每秒可执行多少万亿次操作（多为 INT8）AI推理，如图像识别、目标检测TOPS = 每秒万亿次操作（Tera Operations per Second）⚠️ 通常是INT8精度下的操作，专门用于 AI 推理加速。
目标检测的Tricks | 【Trick5】学习率调优方法——warmup
Clichong
04-17 3591
如有错误，恳请指出。 文章目录1. warmup理论概要2. warmup实现代码 1. warmup理论概要 warmup定义： 在模型训练之初选用较小的学习率，训练一段时间之后（如：10epoches或10000steps）使用预设的学习率进行训练。 warmup作用： 因为模型的weights是随机初始化的，可以理解为训练之初模型对数据的“理解程度”为0（即：没有任何先验知识），在第一个epoches中，每个batch的数据对模型来说都是新的，模型会根据输入的数据进行快速调参，此时如果采用较大的.
计算模型的GFLOPs和参数量 & 举例VGG16和DETR
Flying Bulldog 的博客
10-18 2万+
近期忙于写论文，分享一下论文中表格数据的计算方法。FLOPS：注意S是大写，是“每秒所执行的浮点运算次数”（floating-point operations per second）的缩写。它常被用来估算电脑的执行效能，尤其是在使用到大量浮点运算的科学计算领域中。正因为FLOPS字尾的那个S，代表秒，而不是复数，所以不能省略掉。 FLOPs：注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。 GFLOPs：一个
深度学习基础之GFLOPS（2）
u013590327的博客
10-05 8455
神经网络的GFLOPS（Giga FLoating-Point Operations Per Second）代表了神经网络模型执行计算的速度和计算能力。想象你有两个数学家，他们都能够解决复杂的数学问题，但一个速度非常快，另一个速度较慢。GFLOPS就像用来衡量他们速度的标尺。数学家A的GFLOPS是10，这意味着他每秒钟可以解决10亿个数学问题。数学家B的GFLOPS是100，这意味着他每秒钟可以解决100亿个数学问题，比数学家A更快。
目标检测10：warmup、Lars
微风❤水墨
01-11 565
Lars的实现： https://people.eecs.berkeley.edu/~youyang/lars  
目标检测基本概念
qq_46110834的博客
12-21 2083
本篇博客的目的时介绍一些目标检测的入门知识，它们包括：何为目标检测，目标检测的简要发展史，目标检测的主流方法以及目标检测任务的评价（IOU）。
精选资源
目标检测的概念、应用及问题
01-14
一、基本概念 1. 目标检测的定义：目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。 2. 目标检测的分类：计算机视觉中关于图像识别有四大类任务：分类、定位、检测和分割。目标检测是...
目标检测任务基础概念及常见模型
john_bee的博客
02-22 1507
记录目标检测任务中基础的概念并尝试介绍基于锚框方法中常见的算法，包括RCNN系列和YOLO系列
MNIST·扩展数据集·手写识别计算器·多目标检测·可解释性分析·可视化·
09-05
一、基本概念 目标检测的任务是解决“在哪里？是什么？”的问题，即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机...
【目标检测】20、ATSS: bridging the gap between anchor-based and anchor-free detection via ATSS
呆呆的猫的博客
06-18 958
文章目录一、背景和动机二、方法四、效果 一、背景和动机 目标检测在很长一段时间内都是被 anchor-based 的方法统治，后来出现了一些基于 FPN 和 Focal loss 的 anchor-free 的方法，也取得了一些较好的效果。 该文章指出，anchor-based 和 anchor-free 的方法最大的不同，就是如何判断正负样本，这是导致上述两种方法性能 gap 的最大的原因。如果他们使用相同的方法来定义正负样本，最后的性能几乎没有差别。这也就说明了定义正负样本的重要性。 retinane
深度学习之目标检测通用技巧
Major_S的博客
12-10 910
深度学习之目标检测通用技巧。
神经网络的利用率和
鸟恋旧林的博客
11-14 3295
1. 神经网络的利用率 当一个CNN网络做forward时，对于硬件资源的利用情况，称之为利用率。 如何计算利用率？ 计算网络的计算量，通常是乘累加的次数 测量网络运行耗时 乘累加次数除以耗时， 计算该网络的GFLOPS 用计算的网络GFLOPS除以硬件资源的理论GFLOPS，即利用率 2. GFLOPS 全称：float operations per second，每秒可做浮点操作的数量。用...
DSP 性能 GMAC 和 GFLOP含义
分享雷达和通信领域相关知识
07-29 1万+
参考：https://blog.youkuaiyun.com/zzsfqiuyigui/article/details/9003420 GMACS或GMAC/S： Giga Multiply AddCaculation per Second 每秒10亿次乘加运算, 用来描述DSP定点运算性能 GFLOPS或GFLOP/S: Giga Floating-point Operations pe...
FLOPS和FLOPs、GFLOPs区别与计算
热门推荐
whocare的博客
10-20 7万+
FLOPS （全部大写）是floating-point operations per second的缩写，意指每秒浮点运算次数。用来衡量硬件的性能。 FLOPs 是floating point of operations的缩写，是浮点运算次数，可以用来衡量算法/模型复杂度。 常用当然还有GFLOPs和TFLOPs GFLOPS 就是 Giga Floating-point Operations Per Second,即每秒10亿次的浮点运算数,常作为GPU性能参数但不一定代表GPU的实际表现，因为还要考虑具
【小知识】目标检测各类指标概念总结
capsule的博客
01-19 5191
目标检测论文中出现过很多容易混淆的评价指标，比如，包括最基本的AP、mAP这些定义，索性将这些基本概念搞清楚，做个总结。
【计算机视觉】GFLOPs、FLOPS和FLOPs的区别和联系（含代码示例）
wzk4869的博客
12-28 3万+
【计算机视觉】GFLOPs、FLOPS和FLOPs的区别和联系（含代码示例）
YOLO训练时GFLOP不显示的问题
Panpan_010的博客
12-06 509
在prompt搭建好的虚拟环境中下载thop库即可解决。开始训练时，Gflops不显示。Gflops打印需要thop库。
GFLOPS、GFLOPs 和 GMACs的区别与关系
OyamingO的博客
03-28 6186
GMACs是指每秒钟可以执行的十亿次乘加运算（billion multiply-accumulate operations per second），通常用于衡量神经网络计算的性能。GMACs通常用于衡量计算机的向量乘加运算性能，这是神经网络计算中最常见的计算。通常情况下，GMACs与GFLOPs之间存在一个大约1:2的比例关系，因为每个乘加运算需要进行两个浮点运算（一个乘法和一个加法）。它被用来衡量计算机在执行其他种类的计算密集型任务时的性能，如科学计算、图形渲染等。它们的区别在于测量的单位不同。
神经网络模型的参数量和FlOPS
qq_52053775的博客
01-10 5051
FLOPS：注意S是大写，是 “每秒所执行的浮点运算次数”（floating-point operations per second）的缩写。它常被用来估算电脑的执行效能，尤其是在使用到大量浮点运算的科学计算领域中。正因为FLOPS字尾的那个S，代表秒，而不是复数，所以不能省略掉。FLOPs：注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。
目标检测的基本概念
最新发布
03-17
### 目标检测的基本概念 目标检测是一种计算机视觉技术，旨在识别和定位图像或视频中的特定对象。其核心任务是对给定的输入数据进行分析，标记出感兴趣的对象，并提供它们的位置信息（通常以边界框的形式表示）。目标检测广泛应用于自动驾驶、安防监控、医疗影像分析等领域。 #### 1. **目标检测的核心要素** 目标检测的主要组成部分包括以下几个方面： - **分类**：确定图像中是否存在某个类别的对象及其具体类别[^3]。 - **定位**：通过绘制矩形边界框来精确定位对象在图像中的位置[^1]。 例如，在遥感影像飞机目标检测中，YOLO模型被用于快速而精确地识别和定位飞机[^2]。 #### 2. **主流目标检测框架** 当前常见的目标检测框架可分为两类： - **单阶段检测器**：如 YOLO 和 SSD，这类方法直接预测边界框和类别标签，速度较快但可能牺牲一定的准确性。 - **双阶段检测器**：如 Faster R-CNN，先生成候选区域再对其进行分类和调整，虽然更耗时但精度较高。 #### 3. **训练与优化策略** 为了提高目标检测的效果，研究人员开发了许多先进的技术和策略。例如，TTFNet 使用高斯核生成热力图来进行中心定位，并通过加权方式平衡不同尺度目标的影响。此外，像 ImageNet 这样的大型标注数据集为模型提供了丰富的训练资源，极大地推动了该领域的发展。 #### 4. **开放集合下的挑战与发展** 传统的闭合集合目标检测局限于预定义的一组类别，而在实际应用场景中往往面临未知类别的情况。为此，新型架构如 T-Rex2 被设计出来支持开放式目标检测，允许利用文本提示或者视觉示例灵活扩展到新类别上[^4]。 ```python import torch from torchvision.models.detection import fasterrcnn_resnet50_fpn, ssd300_vgg16 # 加载预训练模型 model_fasterrcnn = fasterrcnn_resnet50_fpn(pretrained=True) model_ssd = ssd300_vgg16(pretrained=True) def detect_objects(image_tensor, model): with torch.no_grad(): predictions = model([image_tensor]) return predictions ``` 上述代码片段展示了如何加载两种不同类型的目标检测模型并执行推理操作。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值