1. 什么是目标检测
目标检测的定义：
识别图片或者视频中有哪些物体以及物体的位置（坐标位置）
什么是物体（物体的定义）：
图像（或者视频）中存在的对象，但是能检测哪些物体会受到人为设定限制。
目标检测中能检测出来的物体取决于当前任务（数据集）需要检测的物体有哪些。假设我们的目标检测模型定位是检测动物（例如，牛、羊、猪、狗、猫五种），那么模型对任何一张图片输出结果不会输出鸭子、鹅、人等其他类型结果。
什么是位置（位置的定义）：
目标检测的位置信息一般有2种格式（以图片左上角为原点（0,0））：
- 极坐标表示：（xmin，ymin，xmax，ymax）
xmin，ymin：x，y坐标的最小值
xmax，ymax：x，y坐标的最大值
2）中心点坐标：（x_center，y_center，w，h）
x_center，y_center：目标检测框的中心点坐标
w，h：目标检测框的宽，高
例：
假设一张图片是100*800，所有这些坐标都是构建在像素层面上：
中心点坐标结果为：
目标检测技术的发展历史
a. 传统目标检测方法（候选区域+手工特征提取+分类器）
HOG+SVM、DPM
b. region proposal+CNN提取分类的目标检测框架
R-CNN，SPP-NET，Fast R-CNN，Faster R-CNN
c. 端到端（End-to-End）的目标检测框架
YOLO系列，SSD
2.目标检测任务描述
2.1 目标检测算法分类
（1）两步走（two stage）的目标检测：先进行区域推荐，而后进行目标分类
主要算法：R-CNN，SPP-NET，Fast R-CNN，Faster R-CNN
（2）端到端（one stage）的目标检测：采用一个网络一步到位
主要算法：YOLO系列（YOLO v1，YOLO v2等），SSD
2.2 目标检测的任务
2.2.1 分类原理
先来回归下分类原理，这是一个常见的CNN组成图，输入一张图片，经过其中的卷积、**、池化相关层，最后加入全连接层达到分类概率的效果。
分类的损失与优化
在训练的时候需要计算每个样本的损失，那么CNN做分类的时候使用softmax函数计算结果，损失为交叉熵损失
常见的CNN模型：
对于目标检测来说不仅仅是分类这样简单的一个图片输出一个结果，而且还需要输出图片中目标（物体）的位置信息，所以从分类到检测，过程如下：
分类：
分类+定位（只有一个目标的时候）
2.3 目标检测的任务
分类：
1）N个类别
2）输出：图片
3）输出：类别标签
4）评估指标：Accuracy
定位：
1）N个类别
2）输入：图片
3）输出：物体的位置坐标
4）主要评估指标：IOU
其中我们得出来的(x,y,w,h)有一个专业的名词，叫做bounding box(bbox)
2.3.1 两种Bounding box名称
在目标检测当中，对bbox主要由两种类别名称
（1）Ground-truth bounding box：图片中真实标记框
（2）Predicted bounding box：预测的标记框
一般在目标检测任务当中，我们预测的框有可能很多个，真实的框GT也有很多个
2.4 检测任务的评价指标
| 任务 | 描述 | 输入 | 输出 | 评价指标 |
|---|---|---|---|---|
| Detection and Localization（检测和定位） | 在输入图片中找出存在的物体类别和位置（可能存在多种物体） | 图片（image） | 类别标签（categories） 位置（bbox（x,y,w,h）） | IoU（Intersection over Union）mAP（mean Average Precision） |
IoU（交并比）
两个区域的重叠程度overlap：候选区域和标定区域的IoU值
2.5 目标定位的简单实现
在分类的时候我们直接输出各个类别的概率，如果再加上定位的话，我们可以考虑在网络的最后输出加上位置信息。
2.5.1 回归位置
增加一个全连接层，即为FC1、FC2
1）FC1：作为类别的输出
2）FC2：作为整个物体位置数值的输出
假设有10个类别，输出[p1,p2,p3,…,p10]，然后输出这一个对象的四个位置信息[x,y,w,h]。同理知道要网络输出什么，如果衡量整个网络的损失
对于分类的概率，还是使用交叉熵损失
位置信息具体的数值，可使用MSE均方误差损失（L2损失）
如下图所示
2.5.2 位置数值的处理
对于输出的位置信息是四个比较大的像素大小值，在回归的时候不适合。目前统一的做法是，每个位置除以图片本身像素大小。
假设以中心坐标方式，那么x = x/x_image,y/y_image, w/x_image,h/y_image,也就是这几个点最后都变成了0~1之间的值（归一化）。
参考：
https://www.cnblogs.com/kongweisi/p/10894415.html