小白学习object detection的一些感受

87 阅读 0 评论 58 点赞

我是靠谱客的博主大力棒球，最近开发中收集的这篇文章主要介绍小白学习object detection的一些感受，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

object detection作为计算机视觉的四大任务之一，在工业界有着重要作用，本文主要阐述基于深度学习的目标检测的三大阶段：以rcnn系列为代表的two-stage目标检测和以yolo ssd等为代表的的one-stage目标检测以及最新流行的anchor-free思想目标检测。

先附上四篇老师推荐我读的综述：
Imbalance Problems in Object Detection: A Review
intro: under review at TPAMI
arXiv: https://arxiv.org/abs/1909.00169

Recent Advances in Deep Learning for Object Detection
intro: From 2013 (OverFeat) to 2019 (DetNAS)
arXiv: https://arxiv.org/abs/1908.03673

A Survey of Deep Learning-based Object Detection
intro：From Fast R-CNN to NAS-FPN
arXiv：https://arxiv.org/abs/1907.09408

Object Detection in 20 Years: A Survey
intro：This work has been submitted to the IEEE TPAMI for possible publication
arXiv：https://arxiv.org/abs/1905.05055

two-stage

优点：准确度高，回归做的好
缺点：检测速度慢
代表作有rcnn系列，原理是将目标检测分为两个阶段。第一个阶段是通过一系列算法，提取图片的特征，寻找可能存在目标的区域，这些算法有selective search、rpn、fpn等，第二阶段通过roi等算法进行分类和回归，如图1.

具体的two-stage框架可以参考：
https://blog.csdn.net/v_JULY_v/article/details/80170182

one-stage

优点：检测速度快
缺点：准确率相比two-stage有一定差距
以yolo v1的问世，标志着one-stage的开始，yolo从v1-v3不断改进，现在在工业界用途最广。从v2开始它借鉴了faster-rcnn的anchor机制，one-stage大部分也采用了anchor机制，通过backbone的特征提取，在特征图上使用anchor，每一个特征点上抛出k个bb（v2是5个，v3采用聚类，采用9个bb）。
详见：https://blog.csdn.net/xd1723138323/article/details/82532973
ssd是另一种流行的One-stage算法，它采用多尺度映射来产生特征。
详见：https://blog.csdn.net/ytusdc/article/details/86577939
此外，还有很多非常好的one-stage的算法，如M2Det RefineDet Dcnv2

anchor-free

其实anchor-free也是属于one-stage的，但是因为他的检测方式是使用keypoint，可以说是one-stage中独辟蹊径，现在的检测结果已经明显优于以往的算法。目前比较流行的此类算法有cornernet centernet centripetalnet
cornernet:预测图片上所有物体的左上角、右下角，然后后处理时再组合在一起。
在这里插入图片描述
经过backbone的采集特征（这里使用hourglass network）后使用bottom-up结构，分别预测目标的左上角点和右下角点，通过embedding匹配响应角点。但是此类算法有一个缺点就是经常检测错角点
CenterNet:是一个不使用NMS的结构，预测目标的中心点，因此不需要像上面那样再进行配对，算法速度也得到了极大提升。
在这里插入图片描述

centripetalnet：https://mp.weixin.qq.com/s/8IYGkaJxWy2xAEmlgXikow
这篇中了cvpr 2020，算得上是目前最优秀的目标检测框架了