论文学习-深度学习目标检测2014至201901综述-Deep Learning for Generic Object Detection A Survey
作者:互联网
目录
博客:blog.shinelee.me | 博客园 | CSDN
写在前面
paper:https://arxiv.org/abs/1809.02165
github:https://github.com/hoya012/deep_learning_object_detection,A paper list of object detection using deep learning
这篇综述对深度学习目标检测2014至201901取得的进展进行了总结,包括:
More than 250 key contributions are included in this survey, covering many aspects of generic object detection research: leading detection frameworks and fundamental subprob-lems including object feature representation, object proposal generation, context information modeling and training strategies; evaluation issues, specifically benchmark datasets, evaluation metrics, and state of the art performance.
本文的主要目的在于摘录paper中的一些重要图表和结论,作为系统学习的索引,不做详细的展开。
下面两张图来自github,分别为paper list和performance table,红色为作者认为必读的paper。
目标检测任务与挑战
目标检测任务的输入是一张图像,输出是图像中的物体位置和类别,如下图所示,位置可通过Bounding Box描述,也可描述为像素的集合。
为了确定图片中物体的位置和类别,要面临很多挑战,一个好的检测器要做到定位准确、分类准确还要效率高,需要对光照、形变、尺度、视角、尺寸、姿态、遮挡、模糊、噪声等情况鲁棒,需要能容忍可能存在的较大的类内差异,又能区分开较小的类间差异,同时还要保证高效。
目标检测方法汇总
在2012年前,目标检测方法主要是人工特征工程+分类器,2012年后主要是基于DCNN的方法,如下图所示:
目标检测的框架可以分成2类:
- Two stage detection framework:含region proposal,先获取ROI,然后对ROI进行识别和回归bounding box,以RCNN系列方法为代表。
- One stage detection framework:不含region proposal,将全图grid化,对每个grid进行识别和回归,以YOLO系列方法为代表。
Pipeline对比与演化如下:
主干网络、检测框架设计、大规模高质量的数据集是决定检测性能的3个最重要的因素,决定了学到特征的好坏以及特征使用的好坏。
基础子问题
这一节谈论的重点包括:基于DCNN的特征表示、候选区生成、上下文信息、训练策略等。
基于DCNN的特征表示
主干网络(network backbone)
ILSVRC(ImageNet Large Scale Visual Recognition Competition)极大促进了DCNN architecture的改进,在计算机视觉的各种任务中,往往将这些经典网络作为主干网络(backbone),再在其上做各种文章,常用在目标检测任务中的DCNN architectures如下:
Methods For Improving Object Representation
物体在图像中的尺寸是未知的,图片中的不同物体尺寸也可能是不同的,而DCNN越深层的感受野越大,因此只在某一层上进行预测显然是难以达到最优的,一个自然的想法是利用不同层提取到的信息进行预测,称之为multiscale object detection,可分成3类:
- Detecting with combined features of multiple CNN layers
- Detecting at multiple CNN layers;
- Combinations of the above two methods
直接看图比较直观:
尝试对几何变形进行建模也是改善Object Representation的一个方向,方法包括结合Deformable Part based Models (DPMs)的方法、Deformable Convolutional Networks (DCN)方法等。
Context Modeling
上下文信息可以分为3类:
- Semantic context: The likelihood of an object to be found in some scenes but not in others;
- Spatial context: The likelihood of finding an object in some position and not others with respect to other objects in the scene;
- Scale context: Objects have a limited set of sizes relative to other objects in the scene.
DCNN通过学习不同抽象层级的特征可能已经隐式地使用了contextual information,因此目前的state-of-art目标检测方法并没有显式地利用contextual information,但近来也有一些显式利用contextual information的DCNN方法,可分为2类:Global context和Local context。
感觉可以在某种程度上看成是数据层面的集成学习。
Detection Proposal Methods
Two stage detection framework需要生成ROI。
生成ROI的方法,可以分为Bounding Box Proposal Methods和Object Segment Proposal Methods,前者回归出Bounding Box来描述ROI,后者通过分割得到像素集合来描述ROI。
Other Special Issues
通过data augmentation tricks(数据增广)可以得到更鲁棒的特征表示,可以看成是数据层面上的集成学习,考虑到物体尺度可大可小的问题,scaling是使用最多的数据增广方法。
Datasets and Performance Evaluation
以上。
标签:detection,DCNN,Methods,context,检测,Object,object,Detection,Learning 来源: https://www.cnblogs.com/shine-lee/p/10376324.html