吴恩达深度学习笔记之卷积神经网络(目标检测)

3.1 目标定位

定位分类问题意味着我们不仅要用算法判断出图片中是否有该物体，还要标记出它的位置，例如图片有一辆汽车，我们需要用边框把汽车圈起来。
图像分类问题已不陌生，例如输入一张图片到多层卷积神经网络，它会输出一个特征向量，并反馈给softmax来预测图片类型。
比如某张图片包括以下几类，人，汽车，摩托车，背景。如果在该张图片中没有检测到对象，则输出结果就会是背景，这些分类就是softmax函数可能输出的结果。
如果还想定位图片中的汽车，行人等的位置，此时我们可以让神经网络多输出几个单元，输出一个边界框，具体来说就是让神经网络多输出四个数字，标记为bx,by,bh,bw分别代表边框的中心坐标，以及边框的长和宽，当然还可以有其他的表示方法。

定义以下标签

行人
汽车
摩托车
背景

注意：这里有4个分类，神经网络输出的是这 4个数字，和一个分类标签出现的概率。目标标签Y的定义如下：他是一个向量。如下所示： y=[pcbxbybhbwc1c2