1.物体検出って何？

物体検出(英: object detection)とは

1.1物体検出の簡単な流れ

画像を入力　⇒　物体検出モデルが画像を分析　⇒　画像を出力

・分析したい画像を「物体検出モデル」に入れると、画像に何が何処に映ってるかを勝手に調べてくれて出してくれます。

・画像を受け取ったモデルは、「この画像には○○が××に映ってる！　△△は□□に映ってる！」といった感じで調べてくれます。

・このモデルにはいろいろな種類があって、「識別の正確性を上げよう」、「識別の早さを上げよう」といった感じに日々研究されていて、改良が進んでいます。

・自動運転などでは、ドライブレコーダーからどれだけ早く何が何処に映っているかを知る必要があるので、よりリアルタイムに近い検出ができるようにモデルを改良しました。

①　画像をS×S個の小さな正方形に分割する
②-1　バウンディングボックスの要素(5つ)を求める
②-2　一つ一つの小さな正方形が何を映しているかを判断する
③　 ②-1と②-2を組み合わせて結果を出す

・入力された正方形の画像をさらに小さなS×S個の正方形に分割します。
・この小さな正方形を論文内では「グリッドセル(grid cell)」と呼んでます。

・このバウンディングボックスはあらかじめ設定されています。

・x：バウンディングボックスの中心のx座標
・y：バウンディングボックスの中心のy座標
・w：バウンディングボックスの横幅
・h：バウンディングボックスの縦幅
・F：信頼度

$$ \huge{{0\leqq信頼度\leqq1}} $$
・信頼度は0から1までの間の数字です。

・信頼度が0に近いほど、バウンディングボックスの中身は「背景」を表しています。
・信頼度が1に近いほど、バウンディングボックスの中身は「物体」を表しています。

・各小さな正方形がC種類のクラス中で、どのクラスに所属している可能性が高いかを判断します。

・全ての小さな正方形が何かしらの種類のクラスに所属します。

・たくさんのバウンディングボックスから適切なものを選ぶために、NMS(Non-maximum suppression)という方法を使います。

・各クラスごとに、一番信頼度の高い枠を選びます。
・その枠と他の枠の重なり具合(IoU)を調べて一定以上の割合で重なっている枠を消します。

$$ \huge{{0\leqq IoU\leqq1}} $$
・IoUは0から1までの間の数字です。

・IoUが0に近いほど、2つの枠は「重なっていない」を意味します。
・IoUが1に近いほど、バウンディングボックスの中身は「重なっている」を意味します。