1.概述
对图片/视频，用框(bounding box)标出物体的位置，并给出物体的类别。
2. 物体检测数据集
PASCAL VOC, 20类, 比较简单, 图片中物体所占比较大比较少; http://host.robots.ox.ac.uk/pascal/VOC/
COCO, 微软做的，80类物体, 单张物体稠密, 验证检测器性能常用数据集。http://cocodataset.org/#home
3. 评价检测器的性能
绿色为人手工标注的ground truth，红色是检测器标注的。
怎么评价检测器的性能：
3.1 Intersection over Union(IoU)交并比
是预测框与label的交集比上两者并集的比值；若为１则为最优分类器，一般来说IOU>0.5就代表预测正确。
3.2 precision-recall curve（PR曲线）精度-召回曲线
改变置信度的阀值计算精度和召回，做出曲线，代表评测器综合性能。
对于一张图片的检测结果，每一个结果都有一个对应的得分，得分代表一种检测的结果置信度，根据检测结果可以计算得到TP，FP，FN，TN等，通过不断改变阈值就可以绘制出PR曲线。
特点：整体趋势，随着召回率的增加精度下降，但局部会发生增加现象。
原因：整体下降：随着置信度阀值的降低召回率基本不变，而精度会逐渐降低；局部增加：正例中含有假正例子还造成局部增加。
将检测结果按照得分降序排序；打标签，一对一规则。
不断改变阈值。
4、物体检测算法
不管是传统方法还是深度学习方法都可以看作：搜索加分类；
传统方法中是滑动窗，提取窗口内的部分进行物体检测。
框的大小固定，将图像resize为各种大小的图片集合(图像金字塔)，使得框内的部分大小变化，从而实现用固定大小的框检测不同大小的物体。
传统的方法：人工手动特征+浅层分类器
基于深度学习网络：带有标签的数据+深度神经网络
传统方法:
论文1：Robust Real-Time Face Detection
使用了滑动窗+图像金字塔
Haar特征，用白框的像素值减去灰框中的像素值，得到的结果是该区域的Haar特征值
级联分类器
论文2：Deformable Part Models（DPM）
特征HOG+分类器SVM，图像金字塔
深度学习方法:
论文1 R-CNN
http://islab.ulsan.ac.kr/files/announcement/513/rcnn_pami.pdf
传统方法与神经网络结合，使用传统方法生成候选区域，候选区域resize到固定尺寸后，送入CNN分类。
主要贡献：用CNN取代了原来的特征提取和分类器。
论文2 Fast RCNN
https://arxiv.org/pdf/1504.08083.pdf
RCNN的问题是会重复计算。对每个候选区域，可能会有重叠，在重复计算。
FastRCNN将图片送入CNN，得到特征图，feature map。
使用了ROI pooling，转为固定尺寸的大小，后接全连接。
主要贡献：避免了相同区域的特征重复提取。但是目前的候选区域生成都是传统方法，成为瓶颈。
具体改进是将原始图片直接送进CNN网络，之后在输出的feature map上进行候选区域的选择；同时引入了一层ROI pooling，用来将候选区域转换为固定大小的feature map。转化出来的feature map转换为全连接层，之后继续进行特征分类以及ＢＢ回归。这种方法共享了特征图计算，节省了大量计算量。
论文3 Faster RCNN
https://arxiv.org/pdf/1506.01497.pdf
引入了RPN结构（浅层CNN），来生成一系列候选区域。提高速度。
论文4 R-FCN
https://arxiv.org/pdf/1605.06409.pdf
加入位置敏感score maps，直接得到类别的概率。
图中，C代表类别。例如coco数据集，80类+1背景类。
论文5 YOLO
https://arxiv.org/pdf/1506.02640.pdf
对一张图片直接计算回归，得到bb的位置和类别。
7*7是大小，30=VOC20类+10（2框*（4+1））
论文6 SSD，强化版RPN
https://arxiv.org/pdf/1512.02325.pdf
类似YOLO，一步到位。
可以看做强化版的RPN
用不同阶段的特征图进行预测，所以可以检测不同尺度的物体。
论文7 FPN
https://arxiv.org/pdf/1612.03144.pdf
多尺度检测
将深层的特征图与浅层的特征图相加(有交融)，提升表达能力。
论文8 Mask RCNN
https://arxiv.org/pdf/1703.06870.pdf
论文9 Focal Loss
https://arxiv.org/pdf/1708.02002.pdf
one stage准确率低于two stage的原因：
样本不均衡，负样本太多
目标检测原理与应用（上） - 计算机视觉基础入门课程（从算法到实战应用） - AI研习社 - 研习AI产学研新知，助力AI学术开发者成长。 http://www.mooc.ai/course/353/learn?lessonid=2343&groupId=46#lesson/2343