[人工智能]1. yolo 前置知识

1. 深度学习经典检测方法

• two-stage(两阶段）：Faster-rcnn、Mask-Rcnn系列。先确定一些候选，再进一步确定。
  
  优点：效果通常比较好。
  缺点：速度通常较慢（5FPS）。

  FPS：用来评估目标检测的速度。

• one-stage(单阶段）：YOLO系列。一步到位，没有预选。
  
  优点：速度非常快，适合做实时检测任务。
  缺点：效果通常不太好。

2. IOU（Intersection over Union）

$$IOU=\frac{AreaofOverlap}{AreaofUnion}=\frac{交集}{并集}$$

下面是某次检测的情况：
蓝框是物体实际存在的位置，即真实值。
红框是物体被检测到的位置，即预测值。
上式中的交集和并集就是蓝框和红框区域的交集和并集。
所以，IOU 越高说明蓝框和红框重合度越高，预测值越接近真实值，检测效果越好。

3. 精度、召回率、MAP 值

精度（precision）：预测为正的样本中有多少是真正的正样本（找得对）。
召回率（recall）：样本中的正例有多少被预测正确了（找得全）。
精度和召回率的计算公式如下：
$$Precision=\frac{TP}{TP+FP}$$
$$Recall=\frac{TP}{TP+FN}$$

TP（true positive）正确地判断成正例。即本来是正例，判断成正例。
FP（false positive）错误地判断成正例。即本来是负例，判断成正例。
FN（false negative）错误地判断成负例。即本来是正例，判断成负例。
TN（true negative）正确地判断成负例。即本来是负例，判断成负例。

【例】已知班级总人数100人，其中男生80人，女生20人。目标是找出所有的女生。
结果：从班级中选择了50人，其中20人是女生，还错误的把30名男生挑选出来了。
请计算TP 、FP 、FN、TN。
TP = 20; FP = 30; FN = 0; TN = 50

map 指标：综合精度和召回率两者来衡量目标检测效果。
这里有个问题：单看精度或召回率（recall）来衡量目标检测效果不行吗？
答案是不行，因为精度和召回率在很多问题上会呈现 “一个变高了，另一个就变低” 的现象。

置信度：用于描述 “检测的框中是某个给定物体的可能性有多大”。

下面展示求解 map 指标的过程：

首先基于置信度阈值来计算精度和召回率（绿框为预测值，旁边的数字是置信度），以置信度阈值 0.9 为例：

因为置信度阈值为 0.9，所以图2、图3不满足要求，直接过滤掉。
所以 TP = 1，FP = 0，FN = 2，精度和召回率分别为：
$$Precision=\frac{TP}{TP+FP}=\frac{1}{1+0}=1$$
$$Recall=\frac{TP}{TP+FN}=\frac{1}{1+2}=\frac{1}{3}$$

如何计算 MAP 呢？需要把所有阈值下的精度和召回率都计算出来。反映到下图中，就是连线以下的面积（注意：两个点之间取最大值，最终面积如第二幅图所示）。