概述

任务类型：

  • 定位，找到单个目标
  • 检测，找到所有目标

常用数据集

  • PASCAL VOC,有20个分类

  • MS COCO，在 ImageNet 停办之后，COCO竞赛成为当前目标识别、检测领域的一个最权威，最重要的标杆。众多公司与顶尖高校都在参与。

    COCO(Common Objects in Context)数据集包含80个类别，50多万个标注。

    20万个图像，11.5万多张训练集图像，5千张验证集图像，2万多张测试集图像。

    网址：http://cocodataset.org

目标检测性能指标

检测精度

  • Precision 精度（查准率）

  • Recall 召回率（查全率）

  • F1 score

  • IOU(Intersection over Union) 交并比，衡量物体“框”得准不准

    比如我们选定一个阈值，IOU>0.5作为真正类，IOU<0.5作为假正类。如果没有检测到物体，作为假负类；真负类没有作用。

  • P-R curve(Precision-Recall curve)

  • AP(Average Precision) 用来衡量学习出来的模型在每个类别上的好坏。

  • mAP(mean Average Precision) 衡量学习出来的模型在所有类别上的好坏，是所有 AP 的平均值。

检测速度

  • 前传耗时（单位毫秒ms)，从输入一张图像到输出最终结果所消耗的时间，包括前处理耗时（如图像归一化）、网络前传耗时、后处理耗时（如非极大值抑制）。
  • 每秒帧数 FPS(Frames per Second): 每秒钟能处理的图像数量。
  • 浮点运算量(FLOPS): 处理一张图像所需要的浮点运算数量，跟具体硬件没有关系，可以公平地比较不同算法之间的检测速度。

YOLOv5的使用

pytorch 需要 1.6 以上版本，python 需要 3.8 以上版本