DL2022: Детектирование объектов на изображениях (часть 1)

Курс "Глубокое обучение (Deep Learning)"
страница курса: github.com/Dya...
автор курса: Александр Дьяконов (dyakonov.org/)
В этой лекции...
Задачи с изображениями: Классификация, Локализация, Детектирование, Сегментация, Преобразование изображений, Восстановление объектов. Классификация изображений - почему нетривиальная задача, решение, проблемы. Детектирование объектов: R-CNN, Spatial Pyramid Pooling (SPP-net), Fast R-CNN, Faster R-CNN, YOLO, SSD. Selective Search. Метрики качества. Non Maximum Suppression (NMS).

[@Beowulf245]

Спасибо огромное за продолжение DL) А то я уже весь курс по 3-му разу пересматриваю - очень интересно.

[@andreib8871]

Александр Геннадьевич, здравствуйте! Позвольте еще вопрос по слайду 51. Если ячейка (например, верхняя левая) не является центром какой-либо рамки, то что модель должна выдавать для нее в координаты x, y, w, h?

[@alexanderdyakonov8305]

Ничего, точнее в данном случае нулевые уверенности.

[@user-fz1hn1sl8i]

Спасибо за лекцию! А будут ли выкладываться обновленные слайды? А то в репе ссылка на слайды 20го года.

[@alexanderdyakonov8305]

Видимо пока нет. Но по новым лекциям будут новые слайды залиты.

[@andreib8871]

Александр Геннадьевич, здравствуйте! А если на слайде 13 добавить еще одно фото, на котором котенок есть (ground true = 1), но детектор вообще ничего не обнаружил (т.е. даже ошибочных детекций там нет). Как такой пример добавить в таблицу расчета AP?

[@alexanderdyakonov8305]

В таблице измениться столбец Recall: будет [1/5, 2/5 ,3/5, 3/5]

[@andreib8871]

Понял, спасибо)