DL目标检测

模块原理

DL目标检测是指利用神经网络提取图像中待测目标位置信息的方法。从目标检测算法的实现角度来看，可以分为二阶段和一阶段两种模式。

• 二阶段目标检测：第一阶段先进行前背景检测生成候选框，第二阶段对候选框进行精定位并给出其类别信息。

• 一阶段目标检测：直接输出待测目标的位置和类别信息。

相较于二阶段目标检测而言，一阶段目标检测在性能相当的基础上，推理效率更高，且更容易训练。因此，在实际场景下大多都是使用一阶段的目标检测算法。这里将结合一阶段目标检测算法进行详细介绍。

一阶段的目标检测网络结构，可以大致分为特征提取、多尺度特征融合、特征检测与结果输出几部分。其工作流程大致如下：

• Step1：特征提取。该部分属于目标检测的主干部分backbone，由多个前后堆叠的、由卷积、池化、激活层构成的特征提取单元，用于提取图片中的不同层级的语义信息。

• Step2：多尺度特征融合。该部分为目标检测的Neck，基本均是采用特征金字塔结构（FPN）进行上采样操作，并与backbone提取的不同层级的特征进行融合，从而获取待测目标不同层级的特征信息，以增强目标检测网络对于不同大小目标的检测能力。

• Step3：特征检测。该部分为目标检测的Head，基于多尺度特征融合的结果学习定位框信息和类别信息，并将不同层级的框与类别信息进行融合。

• Step4：结果输出。将预测结果按照所需的格式进行解析并输出。

使用方法

DL目标检测是指利用神经网络提取图像中待测目标位置信息的方法，它将目标的定位和分类合二为一，具备准确性和实时性。尤其是在复杂场景中，可对多个目标进行实时处理，自动提取和识别目标。该模块适用于定位、计数、缺陷检测等场景。

参数配置

以下仅介绍该模块的运行参数详情。通过配置运行参数，可定义当前模块如何处理输入的数据。

模型文件路径

加载已经训练好的模型文件。

方案存模型

使能后，将模型数据保存到方案文件或流程文件中，跨机加载方案时无需再次输入模型文件路径。

获取模型ROI

启用后，可直接获取模型文件中图片的ROI区域。此时基本参数中的ROI区域无法设置。

按ROI裁图

启用该功能后，模块运行时会将ROI内区域提取出来，仅对区域内图像进行预测；不启用时，则对整张图片进行识别，但会按照ROI范围以及边缘筛选使能、最小边缘分数对检测结果进行筛选过滤。

最大查找个数

即最大查找的目标个数。若实际检测出的目标数量M小于最大查找个数N，则实际显示M个目标；若实际检测出的目标数量大于N，则实际只能显示N个目标。

最小置信度

即定位框的最小得分。若实际得分小于该参数值，则不返回该目标检测结果。

最大重叠率

目标图像允许被遮挡的最大比例。

目标排序

可选按中心点X坐标排序、按中心点Y坐标排序、按置信度排序。

• 按中心点X/Y坐标排序：按照目标中心X/Y坐标从小到大对结果信息进行排序。

• 按置信度排序：按照目标置信度从大到小对结果信息进行排序。

边缘筛选使能

使能后，可设置最小边缘分数。若查找目标在边缘内的部分占整体的比例小于最小边缘分数，则舍去该查找目标。

角度使能

默认关闭状态，使能后可配置目标框角度范围，只会保留角度符合设置范围的目标框。

宽度使能

默认关闭状态，使能后可配置目标框宽度范围，只会保留宽度符合设置范围的目标框。

高度使能

默认关闭状态，使能后可配置目标框高度范围，只会保留高度符合设置范围的目标框。

不同类别过滤

开启后，可过滤不同类别的目标。若不开启，则只会按照同类别过滤。

模块结果

该模块的模块结果介绍请见DL目标检测。