本文是目标检测基础知识相关的第1次学习记录，主要包括目标检测的任务描述，目标检测的常用算法。
在目标检测工程中，主要的项目结构包括三层，分别是数据采集层、深度模型层、用户层，这三个层次的相关功能分别为：
目前常用的目标检测算法分成两大类：2-stage和1-stage。
目标检测不仅仅是分类这样简单的从一个图片输出一个结果，而且还需要输出图片中目标的具体位置信息。
目标检测的具体任务：
通过目标检测算法最终得出来的物体位置信息(x,y,w,h)有一个专业的名词，叫做 bounding box(bbox) 。两种类型的bounding box需要进行区分，分别如下：
物体位置的表示一般有两种方式：
- （x,y,w,h）：其中x、y表示物体的中心点的位置，w、h表示中心点举例物体两边的长和宽。
- （xmin,ymin,xmax,ymax）：表示物体的左上角和右下角的位置，其中xmin,ymin表示左上角的位置，xmax,ymax表示右下角的位置。
增加一段全连接层网络输出目标的4个位置，并进行相应的损失计算。FC1用于类别的输出，FC2用于这个物体具体位置数值的输出。假设有10个类别，输出的概率值分别为：[p1,p2,…p10]，然后输出这一个对象的四个位置信息[x,y,w,h]，同时也要知道网络需要输出什么内容，并且如何来衡量网络的损失值：
- 对于分类的概率，使用 交叉熵损失；
- 对于位置信息的具体数值，可以使用 MSE均方误差损失（L2损失）。
分类与定位：图片中只有一个物体需要检测；
目标检测：图片中有多个物体需要检测。
Original: https://blog.csdn.net/weixin_43981621/article/details/120127926
Author: 我这一次
Title: 目标检测基础知识（1）–目标检测任务描述
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/687660/
转载文章受原作者版权保护。转载请注明原作者出处！