通用视觉框架OpenMMLab目标检测与MMDetection | 学习笔记

什么是目标检测
- 目标检测 in 人脸识别
- 目标检测 in 智慧城市
- 目标检测 in 自动驾驶
- 目标检测 in 下游视觉任务
- 目标检测 vs 图像分类
- 滑窗 Sliding Window
- 滑窗 Sliding Windows
- 滑窗的效率问题
- 改进思路 1：区域提议
- 改进思路 2：分析滑窗中的重复计算
- 消除滑窗中的重复计算
- 在特征图上进行密集预测
- 目标检测的基本范式
基础知识
- 框，边界框（Bounding Box）
- 框相关的概念
- 交并比 Intersection Over Union
- 置信度 Confidence Score
- 非极大值抑制 Non-Maximum Suppression
- 边界框回归 Bounding Box Regression
- 边界框编码 Bbox Coding
两阶段目标检测算法 Two-stage Detectors
- 两阶段算法概述
- Region-based CNN (2013)
- R-CNN 的训练
- R-CNN 相比于传统方法的提升
- R-CNN 的问题
- Fast R-CNN (2014)
- RoI Pooling
- RoI Align
- Fast R-CNN 的训练
- Fast R-CNN 的速度提升
- Fast R-CNN 的精度提升
- Fast R-CNN 的速度瓶颈
- 降低区域提议的计算成本
- 朴素方法的局限
- 锚框 Anchor
- Faster R-CNN (2015)
- Faster R-CNN 的训练
- 两阶段方法的发展与演进 (2013~2017)
多尺度检测技术
- 多尺度检测必要性
- 图像金字塔 Image Pyramid
- 层次化特征
- 特征金字塔网络 Feature Pyramid Network (2016)
- 在 Faster R-CNN 模型中使用 FPN
单阶段目标检测算法 One-Stage Detectors
- 回顾两阶段算法
- 单阶段算法
  - 单阶段检测算法概述
- YOLO: You Only Look Once (2015)
  - YOLO 的分类和回归目标
  - YOLO 的损失函数
  - YOLO 的优点和缺点
- SSD: Single Shot MultiBox Detector (2016)
  - SSD 的损失函数
  - 正负样本不均衡问题
  - 解决样本不均衡问题
  - 困难负样本 Hard Negative
  - 不同负样本对损失函数的贡献
  - 降低简单负样本的损失
  - Focal Loss
- RetinaNet (2017)
  - RetinaNet 的性能
- YOLO v3 (2018)
  - YOLO v3 (2018)
- 无锚框目标检测算法 Anchor-free Detectors
  - 锚框 vs 无锚框
- FCOS, Fully Convolutional One-Stage (2019)
  - FCOS 的多尺度匹配
  - FCOS 的预测目标
  - 中心度 Center-ness
  - FCOS 的损失函数
- CenterNet (2019)
  - CenterNet 的主要流程
Detection Transformers
- DETR (2020)
- Deformable DETR (2021)
目标检测模型的评估方法 Evaluation
- 检测结果的正确/错误类型
- 准确率 Precision 与召回率 Recall
- 准确率与召回率的平衡
- PR 曲线与 AP 值
- 完整数据集上的例子
- PR 曲线的起伏
- Mean AP
总结
MMDetection
- 目标检测工具包 MMDetection
- 广泛应用
- MMDetection 可以做什么
- MMDetection 环境搭建
- OpenMMLab 项目中的重要概念——配置文件
- MMDetection 代码库结构
- 配置文件的运作方式
- 两阶段检测器的构成
- RetinaNet 模型配置 – 主干网络
- RetinaNet 模型配置 – 颈部
- RetinaNet 模型配置 – bbox head 1
- RetinaNet 模型配置 – bbox head 2
- COCO 数据集介绍
- COCO 数据集格式
- COCO 数据集的标注格式
- BBOX 标注格式
- 标注、类别、图像 id 的对应关系
- 在 MMDetection 中配置 COCO 数据集
- MMDetection 中的自定义数据集格式
- 在 MMDetection 中配置自定义数据集
- 数据处理流水线
- MMDetection 中的常用训练策略
- 训练自己的检测模型