吴恩达深度学习课程笔记（四）：卷积神经网络3 目标检测

吴恩达深度学习课程笔记（四）：卷积神经网络3 目标检测

3.1 目标定位（Object localization）

• 图像分类：
  
  • 算法判断图像的内容是不是汽车。
• 目标定位：
  
  • 算法判断图像是不是汽车，同时在图像中标记出车的位置。
• 目标检测：
  
  • 图像中存在多个对象，算法检测出这些对象，并确定出位置。

目标定位：

符号约定：

• 图像左上角：（0，0）
• 图像右下角：（1，1）
• bx、by：目标的中心点坐标；
• bh、bw：目标的高度和宽度；

对目标定位任务，神经网络除了需要识别图像中的目标以外，还需要定位，所以神经网络的输出除了对图像的分类，还有图像的位置参数$dx、dy、dh、dw$。

位置参数的理想值：
$dx=0.5、dy=0.7、dh=0.3、dw=0.4$

标签的定义：

网络现在有8个参数：

• 四个位置参数$dx、dy、dh、dw$；
• 四个分类参数：行人、车、摩托、背景；
  
  • 

那么，标签$y$的第一个参数$p_c$表示：是否存在目标。

可以将$p_c$理解为被检测图像属于某一分类的概率（分类1：存在目标，分类2，不存在目标）。

• 如果不存在目标，其他参数毫无意义。如果存在目标，再看其他参数。

损失函数：

损失函数分为存在目标和不存在目标两种情况。

因为在不存在目标时，其他七个参数没有意义。只需要考虑$p_c$的准确度。

上图中，采用平方误差来说明损失函数在不同情况下的区别之处。

实际上，可以不用对softmax层输出的$c_1、c_2、c_3$使用对数似然损失函数。通常做法是对坐标 dx、dy