目标检测的基本范式

• 什么是目标检测 

  • 

• 目标检测 vs 图像分类

  • 

• 目标检测 in 人脸识别 

  • 

• 目标检测 in 智慧城市

• 目标检测 in 自动驾驶

  • 

• 目标检测 in 下游视觉任务

  • 

• 目标检测技术的演进

  • 

  • 

• 基础知识

  • 框、边界框（Bounding Box）

  • 交并比 Intersection Over Union

    • 

• 目标检测的基本思路（从滑窗到密集预测）

  • 检测问题的难点 

    • 

  • 滑窗 Sliding Widow

    • 

    • 

    • 滑窗的效率问题

       

      • 
      • 改进思路2：分析滑窗中的重复计算

         

        • 
      • 消除滑窗中的重复计算
        • 

      • 感受野（Receptive Field）

        • 

      • 感受野的中心和步长

        • 

      • 有效感受野（Effective RF）
        • 
      • 在特征图上进行密集预测
        • 

        • 

      • 边界框回归 Bounding Box Regression
        • 
      • 基于锚框 vs 无锚框
        • 
      • 非极大值抑制 Non-Maximum Suppression
        • 

      • 置信度 Confidence Score

        • 

    • 使用密集预测模型进行推理
      • 基本流程：
        • 用模型做密集预测，得到预测图，每个位置包含类别概率、边界框回归的预测结果
        • 保留预测类别不是背景的“框”
        • 基于“框”中心，和边界框回归结果，进行边界框解码
        • 后处理：非极大值抑制（Non-Maximum Suppression）
  • 啊
• 滑窗·
• 使用卷积实现密集预测
• 锚框
• 多尺度检测与FPN

单阶段 & 无锚框检测器  选讲

• RPN
• YOLO、SSD
• Focal Loss 与 RetinaNet
• FCOS
• YOLO系列选讲

更多检测算法介绍

• 两阶段和多阶段算法
• DETR
• 实例分割

目标检测的评测