R-CNN 系

包含R-CNN，Fast R-CNN，Faster R-CNN等模型，

使用二阶段检测，先进行搜索框搜索，再遍历搜索框使用RNN进行搜索

速度较慢

YOLO V1

只用一个CNN，端到端识别，速度快

Step 1 划分单元格

标签：人工划框（Ground Truth），将输入图分为S*S网格，如果该框的中心点落在单元格中，则该单元格负责object

Step 2 每个单元格预测

  • Bounding Box：边界框坐标x,y,w,h

  • Confidence：每个边界框的置信度

  • Class：图像的分类

单元格任务

  1. 预测 Bounding Box

  2. 预测 Confidence 置信度

    P_r(Object) * IOU^{truth}_{pred}

    IOU：预测框和实际框的交并比，两框的交集和两框的并集相比

  1. 每个单元格预测出一组类别概率（改进：每个边界框预测一组类别概率）

  2. 输出维度：S*S*(B*5+C)，S*S为网格，B为bounding box数量，5为x,y,w,h,confidence，C为类别概率

解决测试阶段框太多

NMS算法（非极大值抑制算法）

  1. 找到类别置信度最大的框

  2. 计算其与剩余框的IOU

  3. 如果IOU大于阈值，则剔除该框

  4. 重复上述过程

评估

评估方法：mAP（Mean Average Precision）

需要计算precision和recall

检测任务判断TP：选定IOU > 0.5的框，对confidence设定threshold