Ng深度学习笔记-卷积神经网络-目标检测

目标定位

符号表示：
图片左上角的坐标为$(0,0)$，右下角标记为$(1,1)$。
红色方框的中心点($b_x$,$b_y$)，边界框的高度为$b_h$，宽度为$b_w$。

因此训练集不仅包含神经网络要预测的对象分类标签，还要包含表示边界框的这四个数字，接着采用监督学习算法，输出一个分类标签，还有四个参数值，从而给出检测对象的边框位置。

如何为监督学习任务定义目标标签 $y$：

这有四个分类，神经网络输出的是这四个数字和一个分类标签，或分类标签出现的概率。目标标签$y$的定义如下：$y=\left[\begin{array}{c}{p}_c\\ b_x\\ b_y\\ b_h\\ b_w\\ c_1\\ c_2\\ c_3\end{array}\right]$
第一个组件$p_c$表示是否含有对象，如果对象属于前三类（行人、汽车、摩托车），则$p_c=1$，如果是背景，则图片中没有要检测的对象，$p_c=0$。我们可以这样理解$p_c$，它表示被检测对象属于某一分类的概率，背景分类除外。

如果检测到对象，就输出被检测对象的边界框参数 b x b_{x}