12、目标检测（Object Detection）

1 目标定位（Localization）

分类、定位、检测

标签：

损失函数（以均方差为例）：

2 特征点检测（Landmark Detection）

3 用滑窗法实现目标检测（Object Detection）

3.1 滑窗法

1、训练一个分类器

2、滑动窗口检测

3、缺点：计算成本大

3.2 卷积形式的滑窗检测

1、用卷积层代替全连接层

2、共享计算

3、卷积形式的滑窗检测

4、缺点：窗口边框的定位不精准

3 交并比 IOU（Intersection Over Union）

定义：

用途：评估预测出的边界框的准确程度。
实现过程：

4 非极大值抑制NMS（Non-max Suppression）

用途：在对一个目标的多个检测结果中，最终只保留一个检测结果

实现过程：

6 锚框（Anchor Boxes）

用途：使一个网格中能检测多个目标。


缺点：
1、对于一个网格的多个目标，超出锚框数量的目标照样不能被检测到。
2、对于一个网格的多个目标，如果多个目标的边框形状相似，同样会造成漏检。

对策：
减小网格的尺寸，换句话说，就是增多网格的数量。

7 YOLO 算法

标签的含义：

过程概括：

一个简单的例子：

参考链接：
Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi - You Only Look Once: Unified, Real-Time Object Detection (2015)
Joseph Redmon, Ali Farhadi - YOLO9000: Better, Faster, Stronger (2016)
The official YOLO website (https://pjreddie.com/darknet/yolo/)

8 候选区域（Region Proposals）与选择性搜索（Selective Search）

通过分割算法（segmentation algorithm），将图片划分为多个区域，然后找到2000个这样的区域并放置边界框，也就是说得到2000个候选区域。

代表性的算法：