目标检测基本原理

1.目标定位

目标定位：使用算法判断图片中是不是目标物体，如果是还要再图片中标出其位置并使用边框标记出来

在普通的图片分类网络中，对于一个图片，经过卷积层特征提取后，送入softmax层转为为对于的概率

而分类定位则是在图片分类网络的基础上加入了全连接层的输出bx，by，bh，bw和一个分类标签（c1,c2,c3...），其最后输出形式如下：

其中：

Pc:表示是否含有被检测的对象。假设要检验汽车、摩托车、行人、图片背景。因为我们需要检测的目标图片肯定不会关注其背景，所以前三个检测对象是我们所需要 。那么如果出现前三个检测对象则Pc为1，如果出现图片为背景或者其他不是我们需要的情况则Pc为0。

bx，by，bh，bw：bx，by为标记边框的中心位置坐标，bh，bw:为标记边框的长高。将图片归一化，设图片左上角标记为（0，0），右下角标记为（1，1），对于图中汽车中心点，其数据大概可以是 bx =0.5，by = 0.7 。对于bounding box，其 bh = 0.3，bw = 0.4 

c1，c2，c3.....cn:为分类标签，n对应自己实际的分类标签个数。但是在c1，c2，c3.....cn 中只有一个为1，其余为0。若分类标签有三个分别是汽车，摩托车和行人，根据上图分类所以c1=1,c2=0,c3=0

综上所述所以，输出的y实际为

损失函数计算：

Pc为1时，即检测出了感兴趣的物体，损失值等于每个元素相应差值的平方，即输出y中的每个元素作差再求平方和

Pc为0时，即没检测出感兴趣的物体，只需关注网络输出Pc的准确性，y1即为Pc值

如上图的y中有8个元素，当pc=0时后面七个元素我们是不关心的所以只需要计算y1这一个元素如下: