hewumars
9/27/2019 - 10:19 AM

目标检测面临的挑战及对应解决方法

  1. 小目标
  • 正负样本不均衡,小目标正样本太少
  • S3FD文章:对于stride=8那么原始图片中8x8的区域对应仅有一个像素点。这里我认为涉及到的应该是感受野吧,和卷积核有关,如果拿一个33卷积核卷积原图,出来的特征图上的一个点对应原图上的一个33区域。而stride首先影响到的是特征图上连续的两个特征点在空间上的距离。对原图进行卷积,如果步长过大,而且小人脸对应的区域较小,卷积操作作用到人脸区域的次数也会减少,甚至可能直接略过那片区域了。所以导致小人脸区域的特征很少。
  1. 遮挡
  • Repulsion Loss 互斥loss、PedHunter等
  1. 模糊
  1. 速度
  • Head头部网络剪薄,anchor

不平衡问题: 重新审视目标检测的数据和算法流程,对于任何输入的特性的分布,如果它影响到了最终精度都是不平衡问题

  1. 类别不平衡:前景与背景不平衡、前景中不同类别输入包围框的个数不平衡
  2. 尺度不平衡:输入图像与包围框的尺度不平衡,不同特征层对最终结果贡献不平衡
  3. 空间不平衡:不同样本对回归损失的贡献不平衡、正样本IoU分布不平衡、目标在图像中的位置不平衡
  4. 目标函数不平衡:不同任务(比如回归和分类)对全局损失的贡献不平衡