目标检测精度上限与影响因素分析一、概述二、目标框周围上下文对图像分类精度的影响2.1实验设置2.2实验结果三、目标检测错误类型分析3.1四种检测错误3.2每种错误对检测精度的影响程度分析四、目标检测精度上限分析4.1分析前提4.2分析上限的两种策略4.3两种策略结果对比4.3.1第一种策略得出的上限4.3.2第二种策略得出的上限4.4VOC数据集上限4.5FASHION数据集上限4.6COCO数据集上限五、上下文对目标识别精度的影响5.1替换或删除背景的影响5.2将目标框置于异常背景的影响5.3裁剪、模糊、翻转的影响一、概述本文主要对一篇2019年分析目标检测精度上限的论文进行介绍论文题目为《Empirical Upper Bound in Object Detection and More》论文地址https://arxiv.org/abs/1911.12451该论文既不是综述类文章也不是提出了一种能够达到更高精度的新的算法而是进行了大量实验通过实验数据的分析比对对影响目标检测精度的因素进行了分析同时对深度学习算法所能够达到的精度上限进行了预测。论文预测在COCO的val2017数据集上mAP值上限为78.2%VOC (test2007)数据集上mAP值上限为91.6%。论文提出影响目标检测精度的最大原因是分类错误而不是定位偏差过大。二、目标框周围上下文对图像分类精度的影响2.1实验设置论文首先研究了图像分类任务而不是目标检测任务探讨目标框周围的上下文信息对分类精度的影响。使用ResNet152作为分类模型输入模型的图片数据集分为三种分别进行训练原始目标框原始目标框加上周围上下文扩大目标框的宽高只有周围上下文将目标框删除如下图所示目标框统一大小为224×224模型训练15轮。2.2实验结果在原始目标框上进行分类测试top1精度如下图所示从实验结果可看出原始目标检测框包含了分类所需的最多信息目标框缩小会损失一部分信息导致分类精度下降目标框扩大将会带来一些无关信息也会降低分类精度。三、目标检测错误类型分析3.1四种检测错误论文中将目标检测错误的情况分为了4种分别为分类错误将背景当成了目标这种情况下检测框与真实框之间的IoU小于0.1定位不准确这种情况下检测框与真实框之间的IoU大于0.1且小于0.5重复检测就是说如果一个检测框与真实框的IoU大于0.5但是这个真实框已经被分配那么就是重复检测丢失目标就是真实框与任何检测框的IoU都小于0.1真实框没有被检测到。如下图所示3.2每种错误对检测精度的影响程度分析每种错误对检测精度的影响程度如下图所示上图分别在三种数据集上使用三种模型进行了实验结果表明分类错误对检测精度也就是mAP值的影响最重要。第二重要的是目标丢失其实也属于分类错误。剩下的第三第四影响很小分别是定位不准和重复检测。四、目标检测精度上限分析4.1分析前提首先从前一节的实验得出结论降低目标检测精度的最重要因素是分类错误而定位不准的问题影响很小因此论文中在研究目标检测上限时假设定位问题已经解决即检测到的目标框与真实框完全重合接下来要考虑的问题就是如何提高目标框的分类准确率从而得出AP值的上限。4.2分析上限的两种策略第一种策略利用目标框周围上下文信息来提高分类准确率从而分析出AP值上限。简而言之使用目标框训练出一个最佳分类器使用最佳分类器对目标框进行判断得出置信度分数然后根据这个置信度分数计算AP值。第二节进行的目标框上下文信息对分类精度的影响实验就是用在第一种策略中通过该实验得出最佳分类器。第二种策略在目标框周围搜索其他的检测框这些检测框要求与目标框的IoU不低于设定的阈值对这些检测框进行分类将置信度分数最高的作为目标框的分类结果或者对这些检测框的分类结果进行投票票数最高的类别作为目标框的分类结果。4.3两种策略结果对比4.3.1第一种策略得出的上限第一种策略得出的不同数据集下的AP值上限如下图所示IoU阈值不同下的检测上限AP值不变这是因为分析上限的前提就是定位问题得到解决检测框完全与真实框重合。4.3.2第二种策略得出的上限第二种策略得出的不同数据集下的AP值上限如下图所示从图中可看出第二种策略得出的AP上限值在大多数情况下比第一种策略得出的AP上限值要低。论文分析这是因为第二种策略引入了目标框周围的信息而这些信息包含了一些噪声会导致分类精度降低。因此论文使用第一种策略来探讨目标检测AP值上限。4.4VOC数据集上限VOC数据集上限如下图所示上图展示了两种计算AP值的评估代码左图是VOC评估代码右图是COCO评估代码论文结论中是使用的COCO评估代码得出的mAP上限为91.6%。4.5FASHION数据集上限FASHION数据集上限如下图所示mAP上限为71.2%。4.6COCO数据集上限COCO数据集上限如下图所示mAP上限为78.2%。五、上下文对目标识别精度的影响这一节属于论文中的额外章节部分并不是在分析目标检测精度上限而是分析目标框周围上下文对目标检测AP值的影响。5.1替换或删除背景的影响通过将目标框外背景替换为白色或噪声或者将背景直接删除只留下目标框对比AP值如下图所示实验结果表明周围背景信息对小目标的检测AP值的影响非常明显而将周围背景信息替换或删除后大目标的AP值反而有所上升。5.2将目标框置于异常背景的影响将目标框置于异常背景指的是例如将一艘船置于街道上结果如下图所示5.3裁剪、模糊、翻转的影响