Détection cible à base d' ancrage et libre d'ancrage
1. différences basées ancrage sans ancrage et
détection de cibles d'apprentissage en profondeur est généralement modélisé par paires quelques-unes des régions candidates des problèmes de classification et de régression. Dans un seul détecteur de phase, la région candidate est générée par l'ancre de mode de réalisation de la fenêtre glissante; détecteur à deux étages, la région candidate est RPN généré proposition, mais RPN lui-même est encore produite sur le mode de réalisation de la fenêtre glissante de la classification d'ancrage et de régression .
problème de la détection sans ancrage est résolu par un autre moyen. En outre divisé en deux sous-problèmes, à savoir pour déterminer le centre de l'objet et la trame prédite quatre. Centre de l'objet est prévu, le centre prévu de la cible dans laquelle la prédiction de classe, peut également être prédite score centerness d'un chiffon doux. Pour prédire quatre frontières, il est plus cohérent, on prévoit la vérité au sol le cadre de pixel de quatre côtés, mais utilisera une astuce pour limiter la portée de régression.
2. ancre sans algorithme de classe d'induction
La méthode de clé basée sur l'expression conjointe multi-point de A.
a.CornerNet / CornerNet-lite: le coin supérieur gauche + coin inférieur droit
b.ExtremeNet: de haut en bas sur quatre points de extrema + point central
c.CenterNet: KeyPoint Triplettes pour la détection de l' objet: le coin supérieur gauche + coin inférieur droit + point central
d.RepPoints: . 9 aux échantillons d' apprentissage adaptatif battement
e.FoveaBox: point central + coin gauche + coin inférieur droit
f.PLN: . 4 points d'angle + point central
B. Méthode de prédiction basée sur un seul point central
a.CenterNet: Objets comme points: point central + Largeur + Hauteur
b.CSP: point central hauteur de + (le rapport d'aspect d'une cible fixe prédéfinie, en fonction de la hauteur calculée largeur)
c.FCOS: point central + du cadre 2 à partir de
3. Pourquoi peut-retour sans ancre
approche sans ancrage peut correspondre à des méthodes basées sur la précision d'ancre, je pense que la plus grande réussite devrait être attribuée à FPN, d'autre part attribué la perte focale. (Coeur OS: course haute RetinaNet). Dans le cas de chaque emplacement que prévoir une boîte, la structure FPN des échelles ont bien joué compensé, FocalLoss est d'une grande aide pour prédire la zone centrale. Bien sûr, la méthode de travail de transfert n'est pas si facile à faire, je crois que certains détails auront un impact considérable, comme la gestion des zones de chevauchement, les restrictions à la portée du retour, comment cibler Assigner à différents niveaux de FPN, tête si les paramètres de partage, etc. .
4. ancre sans 和 ancrage unique
chaque emplacement sans mouillage mentionné ci-dessus sous la forme d'une ancre carré peut être équivalent, FCN est l'utilisation d'une prédiction de la structure de cadre (y compris l'emplacement et la catégorie) pour chaque position de la carte de fonction. Cependant, toujours sans point d'ancrage est logique, nous pouvons appeler avant-sans ancre. En outre, bien que les deux équivalence formelle, mais l'opération proprement dite est encore une différence. Dans la méthode basée sur l'ancre, bien que chaque emplacement peut
Un seul point d'ancrage, mais la prédiction est basée sur l'objet pour correspondre à l'ancre, et la méthode sans point d'ancrage est généralement basé sur ce point de correspondance.
3. ancre sans limites
Bien que la précision de plusieurs méthodes ci - dessus peut être comparable à RetinaNet, mais il n'y a pas d' avantage évident (il peut accélérer), et de la méthode en cascade à deux étages encore loin différence. Et un détecteur de phase unique comme la représentation, fonction par exemple du niveau d' ancrage à base n'est pas aussi bon que les deux détecteurs de phase, le schéma ci - dessus dans la tête sera relativement moins. Soit dit en passant Tucao au sujet, au- dessus d' un petit nombre de papier afin d'obtenir de meilleurs résultats prospectifs, expérimentalement ou masquer certains détails il n'y a pas une comparaison équitable.
6. L'algorithme de détection d'objet est généralement divisé en fonction d' ancrage, sans ancre, deux ont convergé, la différence est qu'il n'y a pas d' objet candidat à l' aide du bloc d'ancrage extrait.
A. algorithme basé ancrage est basé au nom fasterRCNN, SSD, YoloV2 / V3 et similaires.
fasterRCNN- a fourni trois types d'échelle trois types de l'aspect rapport un total de neuf bloc candidat d'extraction d'ancrage
B. algorithme sans ancrage est basé au nom CornerNet, ExtremeNet, CenterNet, les CFST similaires .
CornerNet- prédiction directe est la probabilité que chaque point en haut à gauche, en bas à droite de la zone de but par appariement extrait le coin supérieur gauche en bas à droite
C. Fusion et située ancre branche libre d'ancrage méthode: FSAF, SRECO, GA-RPN et ainsi de suite.
FSAF- la fois un ensemble priori branches sur la base d' ancrage, il existe branche libre d'ancrage de renforcement anomalie capacité détection ratio cible
7. ancrage (également appelée zone d'ancrage) est antérieure à la formation, l'ensemble d'apprentissage en utilisant la méthode des k-moyennes et analogues sur un ensemble de cadre rectangulaire représente l'ensemble de la longueur de la cible et la largeur principalement. Caractéristiquement figure un raisonnement généré lorsque ceux - ci ancrage coulissant extrait n-ième rectangle candidat faire la classification et la régression plus (voir la description détaillée présentée ancre pensée article fasterRCNN). C'est l'algorithme traditionnel de détection de cible, l'utilisation de la pyramide d'image dans la m * n dans la fenêtre glissante. procédé classique dans lequel seule la figure échelle différente, généralement la taille de la fenêtre coulissante fixe, et similaire fasterRCNN dans lequel l' algorithme figure sont fixes, multi-échelle d' ancrage.
Trois organigramme typique du cadre de détection d'objet
8. Yolo un total de trois versions de l'algorithme, YoloV1 peut être considéré comme le type sans ancre; YoloV2 été introduit ancre, YoloV3 également utilisé l' ancre.