写点什么

带你入门目标检测算法

发布于: 2021 年 04 月 19 日

​​​​​​​​​​摘要:本文就目标检测算法的基础知识进行简要综述,方便大家学习查看。


本文分享自华为云社区《目标检测基础知识》,原文作者:lutianfei  。


图片分类任务我们已经熟悉了,就是算法对其中的对象进行分类。而今天我们要了解构建神经网络的另一个问题,即目标检测问题。这意味着,我们不仅要用算法判断图片中是不是一辆汽车,还要在图片中标记出它的位置,用边框或红色方框把汽车圈起来,这就是目标检测问题。本文就目标检测算法的基础知识进行简要综述,方便大家学习查看。

目标检测基础知识


网络的阶段之分


  • 双阶段(two-stage):第一级网络用于候选区域提取;第二级网络对提取的候选区域进行分类和精确坐标回归,例如 RCNN 系列。


  • 单阶段(one-stage):掘弃了候选区域提取这一步骤,只用一级网络就完成了分类和回归两个任务,例如 YOLO 和 SSD 等。

 

单阶段网络为何不如双阶段的原因


因为训练中的正负例不均衡。


  • 负例过多,正例过少,负例产生的损失完全淹没了正例;


  • 大多数负例十分容易区分,网络无法学习到有用信息。如果训练数据中存在大量这样的样本,将导致网络难以收敛。

 

双阶段网络如何解决训练中的不均衡


  • 在 RPN 网络中,根据前景置信度选择最有可能的候选区域,从而避免大量容易区分的负例。


  • 训练过程中根据交并比进行采样,将正负样本比例设为 1:3,防止过多负例出现。

常见数据集


Pascal VOC 数据集


分为 2007 和 2012 两个版本,其提供的数据集里包含了 20 类的物体。


PASCALVOC 的主要 5 个任务:


①分类:对于每一个分类,判断该分类是否在测试照片上存在(共 20 类);

②检测:检测目标对象在待测试图片中的位置并给出矩形框坐标(boundingbox);

③分割:对于待测照片中的任何一个像素,判断哪一个分类包含该像素(如果 20 个分类没有一个包含该像素,那么该像素属于背景);

④人体动作识别(在给定矩形框位置的情况下);

⑤LargeScaleRecognition(由 ImageNet 主办)。

 

导入图像对应的.xml 文件,在标注文件中的每一幅图像的每一个目标,对应一个体 dict


  • 属性'boxes'

  • 属性'gt_classes'

  • 属性'gt_overlaps'

  • 属性'flipped'

  • 属性'seg_areas'

 

CoCo 数据集


分为 2014、2015、2017 三个版本



​在 annotations 文件夹中对数据标注信息进行统一管理。例如,train2014 的检测与分割标注文件为 instances_train2014.json

objectinstances(目标实例)、objectkeypoints(目标关键点)、imagecaptions(看图说话)三种类型的标注

常见评价指标


True positives(TP):被正确的划分到正例的个数,即实际为正例且被划分为正例的实例数。

False positives(FP):被错误地划分为正例的个数,即实际为负例但被划分为正例的实例数。

False negatives(FN):被错误的划分为负例的个数,即实际为正例但被划分为负例的实例数。

True negatives(TN):被正确的划分为负例的个数,实际为负例且被划分为负例的实例数。

 

Precision = TP/(TP+FP)= TP/所有被模型预测为正例的数据

Recall = TP/(TP+FN) =TP/所有真实类别为正例的数据 

PR 曲线


我们希望检测的结果 P 越高越好,R 也越高越好,但事实上这两者在某些情况下是矛盾的。


所以我们需要做的是找到一种精确率与召回率之间的平衡。其中一个方法就是画出 PR 曲线,然后用 PR 曲线下方的面积 AUC(AreaunderCurve)去判断模型的好坏。



IOU 指标


IoU 是预测框与 ground truth 的交集和并集的比值。


对于每个类,预测框和 ground truth 重叠的区域是交集,而横跨的总区域就是并集。



目标检测中的 PR



VOC 中 mAP 的计算方法


通过 PR 曲线,我们可以得到对应的 AP 值:


在 2010 年以前,PASCALVOC 竞赛中 AP 是这么定义的:


  • 首先要对模型预测结果进行排序(即照各个预测值置信度降序排列)。

  • 我们把 recall 的值从 0 到 1 划分为 11 份:0、1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0。

  • 在每个 recall 区间(0-0.1,0.1-0.2,2-0.3,…,0.9-1.0)上我们计算精确率的最大值,然后再计算这些精确率最大值的总和并平均,就是 AP 值。

 

从 2010 年之后,PASCALVOC 竞赛把这 11 份 recall 点换成了 PR 曲线中的所有 recall 数据点。


对于某个 recall 值 r,precision 值取所有 recall>=r 中的最大值(这样保证了 p-r 曲线是单调递减的,避免曲线出现摇摆)这种方法叫做 all-points-interpolation。这个 AP 值也就是 PR 曲线下的面积值。


具体例子:



Coco 中 mAP 的计算方法


采用的是 IOU(用于决定是否为 TP)在[0.5:0.05:0.95]计算 10 次 AP,然后求均值的方法计算 AP。

非极大值抑制


NMS 算法一般是为了去掉模型预测后的多余框,其一般设有一个 nms_threshold=0.5,具体的实现思路如下:


1.    选取这类 box 中 scores 最大的哪一个,记为 box_best,并保留它

2.    计算 box_best 与其余的 box 的 IOU

3.    如果其 IOU>0.5 了,那么就舍弃这个 box(由于可能这两个 box 表示同一目标,所以保留分数高的哪一个)

4.    从最后剩余的 boxes 中,再找出最大 scores 的哪一个,如此循环往复


点击关注,第一时间了解华为云新鲜技术~

发布于: 2021 年 04 月 19 日阅读数: 14
用户头像

提供全面深入的云计算技术干货 2020.07.14 加入

华为云开发者社区,提供全面深入的云计算前景分析、丰富的技术干货、程序样例,分享华为云前沿资讯动态,方便开发者快速成长与发展,欢迎提问、互动,多方位了解云计算! 传送门:https://bbs.huaweicloud.com/

评论

发布
暂无评论
带你入门目标检测算法