概要

这篇文章讨论了目标检测和MMDetection，并介绍了相关的基本思路和概念。

亮点

• ? 单阶段算法是现在最广泛使用的一类算法。
• ?️ 检测器可以检测到感兴趣的物体并在图像中框定它们。
• ? 测量计算层次结构计算重叠框的成本比后续执行更高。
• ? FPN和YOLO是两种用于密集预测和检测的算法。
• ? 训练和监督目标检测网络需要分类的损失、边界框回归的损失和其他属性的预测损失。

片段1 0:00 ~ 2:52

各位同学大家好，欢迎来到我们的系列课程
这节课我们给大家介绍一下，目标检测和MMDetection
首先我们会给大家介绍一下，目标检测的一些基本思路和基本概念
那么这个部分的讲解 我们会和mm detection里面的一些模块化的设计
进行对齐 这样大家在后面学习软件的时候
就可以把这些概念比较好的给对应上 那第二个部分
我们会给大家介绍一些 单阶段的经典的目标检测方法
那单阶段算法 可以说是现在使用性最广的一类算法
那学完这部分之后呢 大家就可以对现在一些比较主流的方法
有一个基本的认识 那首先我们来看一下什么是目标检测
目标检测是这样一个任务 我们给定一张图片
然后我们要求这个算法呢 可以把把图像中的不同的物体给检测出来
然后识别这些物体是什么类别 并且对它们做一个定位
那最终的结果会是一系列的这样的矩形框 那比如这里有一个椅子
所以我们呃检测算法就识别出这里有一个椅子 并且用一个这样一个矩形框把它框出来啊
识别出它的类别是椅子 那后面有一些汽车
我们同样也需要呃 让这个算法把这些车给框出来啊
这个就是目标检测算法的一个基本要求 那么嗯我们之前可能学过图像分类啊
这个是一个比较简单的任务 我们可以训练一个神经网络
去识别图像中的物体 那么目标检测跟图像分类相比
有什么不一样的地方呢 在图像分类中
通常我们假设这个图像中只有一个物体 我们可以训练一个神经网络做一个分类问题
把这个具体这个物体识别出来 或者分类出来就可以了
那在目标检测任务中 这个问题就会复杂一些
那图像中可能有不定数量的物体 那这些物体的大小也可能不太一样
他们也可能位于图像中的不同位置 那我们就要求算法
把所有这些感兴趣的物体都识别出来 并且确定他们的位置
目标检测在我们生活中的许多任务中 都有非常广泛的应用
比如这是一个相机的例子 我们可能拍照的时候
相机可以自动定位出呃我们的人脸 那实际上就是一个人脸检测问题
那定位出人脸之后 我们可以把这些人脸啊抠出来
然后做一些后续的这个识别和分析 那么在这个许多这个智慧城市的应用里面
的目标检测也是一个非常重要的技术 那比如说我们在城市里可能有很多摄像头嘛
那这些摄像头可以啊检测一些这种违章啊 违规的这种行为
那么在现在另外一个非常火热的 自动驾驶任务里面
目标检测也是非常重要的一个技术 那我们可以通过车载的相机以及电脑啊
识别出这个车周围的一些物体 比如新人啊或者其他汽车
那么在基于这些识别出来的结果 对我当前车辆的一个运动进行一个规划和控制