1. 目标检测简介

• 一个目标框至少6个参数(矩形框<4>、类别<1>、置信度<1>)
• 两阶段目标检测的开山之作： Faster R-CNN (也是目标检测任务中的一个开山之作)
• 单阶段目标检测算法的代表作：YOLO<推荐使用V5>、SSD
  

1.1 滑窗

• 工作原理
  
  

• 不足之外 (效率太代、计算量太大)
  

• 改进思路 1：区域提议

  • 依赖外部算法，Selective Search不是神经网络的一部分，不可训练，不符合学习的理念。
    

• 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
  

• 在特征图上进行密集预测
  

• 目标检测技术的演进
  

2. 基础知识

• Anchor（锚框）：以特征图上的位置在原图上对应的位置为中心设定不同大小、不同长宽比，同时又重合的基准框。

2.1 边界框（Bounding Box）

3. 两阶段目标检测算法

3.1 多尺度检测技术

4. 单阶段目标检测算法

4.1 YOLO: You Only Look Once (2015)

4.2 SSD: Single Shot MultiBox Detetor (2016)

5. 无锚框目标检测算法

6. Detection Transformers

7. 目标检测模型的评估方法

8. MMDetection实战

8.1 常用命令

• 使用mim搜索预训练模型

mim search mmdet --model "mask r-cnn"

• 使用mim下载模型

mim download mmdet --config mask_rcnn_r50_fpn_2x_coo --dest .