目标检测是计算机视觉领域中非常热门的方向,通常利用图像处理与模式识别等领域的理论和方法,检测出图像中存在的目标对象,确定这些目标对象的语义类别,并标定出目标对象在图像中的位置。目标检测是对象识别的前提。而在目标检测中目标的定位则是非常重要的基础。
图片分类问题已经不陌生了
如图,输入一张图片到卷积神经网络中,最后我们会获得由softmax神经单元提供给我们的预测图片类型的概率。
如在一个自动驾驶的系统中,这个输入图片可能包含的对象有person、car、motorcycle、background等种类。如果我们使softmax的输出为以上四种为例那么它的返回值就是这4类在我们图片中的概率。
为了实现目标的定位首先我们需要设定被检测对象边界框的相关参数(b_x,b_y,b_h,b_w)。
b_x,b_y代表着对象框的中心点的坐标,b_h,b_w分别表示这个边界框的高度和宽度。
我们通常以图片左上角为原点,右下角为坐标(1,1),这样我们的参数就在0-1之间。