产品化物件侦测技术(二)

前面的文章概略描述物件侦测技术对推动产业智能化至关重要，近年核心技术也由传统做法提升为深度学习，带来更多突破。

接下来我们要面对这些技术转化为产品时会遭遇怎样的问题？如何克服？特别是过去几年有幸协助开发各式应用，看到了这当中的一些盲点。

最关键的问题是正确率。正确率的描述非常笼统，一般我们会更细分为precision(P)以及recall(R)，前者代表所回报的物件中有多少比例是正确的，比如说画面中框列了10辆车子，有几辆是对的；后者代表实际的物件标的中找到多少比例，例如画面中有10辆车子，实际框列了几台。

如果P跟R都是100%的话代表这是完美的系统(没有误判、没有缺漏)，一般无法达到，所以在开发过程中为了理解各个技术元件或是比较各方法间的效能，我们会画出所谓的PR curve，呈现不同情境下的P跟R。

一般而言，PR curve底下的面积越大时，代表系统的效能越好(也就是P跟R可以在较高的情境下共存)。

我们很难设计单一演算法P跟R都是完美无缺。一般在检测环境(AOI、自驾时)中比较在乎recall，所以会刻意将所有可能物件挑出，但是会造成P下降(多了假警报)，解决方法是接续使用其他演算法再进行过滤，剔除误判，或是利用其他信号源再确认，比如说使用雷达信号标定可能物件之后，再使用摄影机辨认是否为车辆。

在某些应用中比较在乎precision，可以牺牲recall。例如查找系统中。寻找大量照片时，因为使用者不清楚有多少真实标的(例如：狗)存在，我们只需将有把握的标的呈现出来，并按照信心度排序，就能满足使用者的需要。一般推荐系统也是采用这样的策略，确保使用者的满意度。

物件侦测正确率不高是什麽原因？在产品开发上我们当然建议使用开源软件，降低开发时间。但即使是最前瞻的研究成果，在产品使用上还是有很多问题，其中最关键，也是大家通常忽略的是所谓「anchor」的设定。

大部分的物件侦测演算法都会使用anchor，代表几组不同长宽比的矩形，类似于物件外框的模板，用来标定物件外框。因为这些演算法(通常是学术界所开始的)都测试在公开数据集，所以anchor的设定一般都是优化这些数据集中的物件，而其中的物件大小、长宽比例、视角等与实际场域中差异相当大，所以正确率无法提升。

例如公开数据集内的人大都是站立的，而实际场域中姿态变化较多。尤其是在AOI检测上更会遇到这样的状况，通常瑕疵的长宽比跟一般常见物件的比例是不同的，或是光学文字识别(OCR)时得先框出文字范围，再行识别，而这些文字区间的长宽比差异甚大。

解决anchor在实际场域上的限制，可以试着修改或是增减需要的anchor种类。不过另一种常见的作法是直接使用anchor-free的策略(如FCOS)，不使用缺省模板，在侦测时，以某个基准点，往外推估可能物件的长宽，在实际使用上有不错的效能。

公开数据集中物件样貌与场域中有很大的差异(例如人脸数据库中大都未配戴眼镜)，所以实际场域的数据还是得收集，当然越多对产品效能越好。

之前我们大都使用国外的数据标注服务，近来国内社福企业结合身障人士提供类似服务，几次合作下来，也呈现不错的工作品质。另在时间与成本考量下，有其他方法可以善用未标注的数据，可以参考之前的文章。

除了使用公开数据集外，也可以善用网络公开信息(在未侵权的情形下)收集数据。例如之前曾经看过的案例是利用美国购车(新车、二手车)网站上各种车辆的完整分类、各角度的照片等，用来增益车辆侦测的数据。

降低耗能、效率提升绝对是必要的，特别是在深度学习技术结合低耗电智能芯片呈现极佳的产业机会。有许多方法在之前文章都已经提过，混搭使用之后在各个情境下都可以达到产品的要求，可以做为参考。我们也观察到智能技术逐渐由云端落地到多样的终端产品上，智能化的资通讯设备绝对是我们产业再提升的机会。