Поиск
Компьютерное зрение

Object Detection

Детекция объектов

актуальноТекущий рабочий стандарт

Поиск объектов на изображении с указанием класса и ограничивающей рамки.

Ключевые тезисы

  • Двухстадийные (Faster R-CNN) точнее, одностадийные (YOLO, SSD) быстрее.
  • NMS убирает дублирующиеся рамки одного объекта.
  • Основная метрика — mAP при разных порогах IoU.
Тема также относится к главам:МетрикиРанжирование и рекомендации

Подробный разбор

2 подтем — раскройте любую, чтобы увидеть объяснение, формулы, примеры и интерактивные графики.

1

IoU и подавление немаксимумов

Два механизма, без которых детекция не работает.

Отношение площади пересечения к площади объединения рамок
  1. Отсортировать рамки по уверенности.
  2. Взять самую уверенную, добавить в ответ.
  3. Удалить все рамки, у которых IoU с ней выше порога (обычно 0.5).
  4. Повторять, пока рамки не кончатся.

mAP усредняет average precision по классам и по порогам IoU (в COCO — от 0.5 до 0.95 с шагом 0.05). Поэтому mAP@0.5 и mAP@[.5:.95] — сильно разные числа, и их нельзя сравнивать между собой.

2

Одностадийные и двухстадийные

Скорость против точности.

ТипКак работаетПримерыСвойства
Двухстадийныесначала регионы-кандидаты, затем классификацияFaster R-CNNточнее, медленнее
Одностадийныепредсказание рамок сразу по сеткеYOLO, SSD, RetinaNetбыстрее, реальное время
Трансформерныенабор запросов, без NMSDETR, DINOэлегантнее, дольше обучаются
На практике

Дисбаланс «фон против объектов» в одностадийных детекторах огромен — именно для этой задачи придумали focal loss.

Связанные темы

Видео и последовательности кадров · Свёртки и зрение

CNN85%

Свёрточные сети · Глубокое обучение

Разделяемые фильтры скользят по изображению, выявляя локальные паттерны с трансляционной инвариантностью.

CNN85%

Свёрточные сети в CV · Компьютерное зрение

Базовая архитектура зрения: иерархия фильтров от краёв до семантических частей объектов.

Image Classification85%

Классификация изображений · Компьютерное зрение

Отнесение всего изображения к одному или нескольким классам — базовая задача зрения.

Segmentation85%

Сегментация · Компьютерное зрение

Классификация на уровне пикселей: семантическая, инстанс- и паноптическая.

Feature extraction85%

Извлечение признаков · Компьютерное зрение

От ручных дескрипторов (SIFT, HOG) до эмбеддингов предобученных сетей.

Image preprocessing85%

Предобработка изображений · Компьютерное зрение

Приведение картинок к единому формату и аугментации, расширяющие обучающую выборку.

Object Tracking80%

Трекинг объектов · Компьютерное зрение

Сопоставление детекций между кадрами: кто из объектов на новом кадре — тот же самый, что и раньше.

Pose and Keypoints80%

Ключевые точки и поза · Компьютерное зрение

Определение положения суставов человека или характерных точек объекта — база для спортивной аналитики, эргономики и контроля процессов.

Kalman Filter80%

Фильтр Калмана · Временные ряды

Рекуррентная оценка скрытого состояния системы по зашумлённым наблюдениям. Оптимален для линейных систем с гауссовым шумом.

← CNNImage Classification →