[ADAS预研笔记]感知算法 - 目标检测

目标检测 object detection

目标检测的任务可以进行拆分，先在原始图像上产生候选区域，再对每个候选区域进行图像分类，最终可以得到物体出现的位置与类别。

图像分类已有成熟的算法，问题的关键即转换到如何产生候选区域(Region Proposal)，引出了两种算法模型：

• 两阶段算法：应用传统图像算法先产生候选区域，然后再用卷积神经网络对这些区域进行分类，代表为：R-CNN系列，R-FCN；
• 单阶段算法：只使用一个网络同时产生候选区域并预测出物体的类别和位置，代表为：SSD，YOLO。

根据是否依赖锚框又可以分为 Anchor based 和 Anchor free 的方法。

目标检测涉及的相关概念如下:

边界框 Bounding box

边界框：正好能包含住物体的矩形框。

有如下几种格式：

• xywh：左上角坐标+宽+高，最常用；
• xyxy：左上角坐标+右下角坐标；
• cxcywh：中心点坐标+宽+高。

通常定义图片坐标的原点在左上角，x轴向右为正方向，y轴向下为正方向

锚框 Anchor

锚框：假想出来的一种框。在目标检测模型中，通常会以某种规则在图片上生成一系列锚框，将这些锚框当成 可能的候选区域。不同的模型往往有着不同的生成锚框的方式。

锚框与边界框往往存在误差，需要在锚框的基础上进行微调以形成能准确描述物体位置的 预测框，模型需要预测出微调的幅度。

候选区域 Region Proposal

RoI（Region of Interest）最早在Fsater R-CNN中提出，

候选区域（Region Proposal）与RoI的关系如下，RoI Pooling即表示对每个RoI进行池化：

空洞卷积 Dilated Convolutions/Atrous Convolutions

与普通的卷积相比，增加了一个扩张率(dilation rate)参数，主要用来表示扩张的大小。

扩张卷积与普通卷积的相同点在于，卷积核的大小是一样的，在神经网络中参数数量不变；区别在于扩张卷积具有更大的感受野。

如图所示为空洞卷积计算的形象化展示：