对象检测被定义为模型需要找出每个对象的边界框和类别的问题。许多用于对象检测的机器学习解决方案都围绕着“两次通过”——一种用于创建区域的边界框，另一种用于对其进行分类。
我想知道这个问题的一个子集是否有一个名称. 我觉得这里有一个有趣的机会，因为模型的整个分类部分（基本上）可以被忽略。显然，我可以只用一个类训练一个典型的对象检测模型，但只是想看看是否有更专业的方法。
什么是只有一个类的对象检测问题？
数据挖掘
机器学习
深度学习
计算机视觉
物体检测
理论
2022-03-13 10:16:43
1个回答
如果您在谈论像 Faster R-CNN 这样的“两阶段”对象检测器，请注意第二阶段不仅用于分类，还用于获得更准确的结果（https://stackoverflow.com/a/61965140/4762996） .
另外，我猜想训练一个有很多类的检测器就像一个正则化器，这会带来更好的准确性。
使用一个类进行显式训练的唯一好处可能是减小了模型大小（以及相应的加速）。
另请注意，有一个阶段对象检测器（CornerNet：https ://arxiv.org/abs/1808.01244，YOLOv3：https ://pjreddie.com/media/files/papers/YOLOv3.pdf，DETR ：https:// arxiv.org/abs/2005.12872等等）。我只是想强调一下，仅仅因为你只有一个类，采取两阶段检测架构并跳过第二阶段是没有意义的。
最后，看看：https ://stats.stackexchange.com/q/351079
一个有趣的方向是合并一类分类方法，例如这里提到的：https ://stackoverflow.com/a/61965358/4762996 。
其它你可能感兴趣的问题