目标检测-吴恩达

目标定位

我们可以使用一个向量来表示这个车再图像当中的位置，以及它的种类
比如上图：
我现在神经网络只能认出来四种东西：

• 行人
• 车
• 自行车
• 其他东西我认为都是背景

y是一个向量，从上到下认识一下内部参数：
P_c —> 现在这个框框里面有没有东西？ 有 ⇒ 1 没有 ⇒ 0
bx,by,bh,bw 用来标识一个框框，这个框框的中心位置&宽高可以唯一的标识一个物体
然后用one-hot编码来认定这个东西是什么
c1=0 因为 不是行人
c2=1 因为 是汽车
c3=0 因为 不是自行车

那么loss怎么计算呢？
分成两种情况： P_c =0 (判定当前图片当中没有目标，都是背景), P_c =1 （发现目标）

P_c =1时，loss计算如下图所示：

其中，y就是真值，是人工标注的。而y^是预测值，是模型生成的。

P_c =0时，loss计算如下图所示：

容易理解，因为除了**P_c**之外其他的数值没有意义

特征点检测

特征点 == 我想要的一些图片当中的关键点
比如说：我要获取到人的眼角、我要获取到人的躯干信息–>等同于我要获取到人体关节信息。
应用：抖音特效–>小黑换脸

目标检测

思路一、滑动窗口

计算成本问题。

思路二、在卷积上面用滑动窗口

用conv代替FC

缺点：框出来的东西不太准确

思路三、YOLO

yolo算法一开始会把图像分成若干个小格子（上面的这幅图使用的是33的）
每一个小格子都可以使用一个vector来表示其位置以及里面有什么东西。
针对上面的这样一个33的图，那么将这些个vector组装起来，变成一个338的矩阵，用来作为这个图像的标签。

这张图解释了，为什么分了格子之后，他那个框框还能够跨格子。
就是因为bx,by,bh,bw能够标识这个框框。 但是它是按照比例来的。
就是一个框框，它左上角的坐标是(0,0)，右下角的坐标是(1,1)
拿右边的这个车子来举例，那么他的
bx = 0.4 by = 0.3
bh = 0.9 bw = 0.5 注意: bh和 bw是能够大于1的，所以他这个框框能够跨越多个框框的界限。

交并比

可以用来评价对象检测算法
一般约定 IoU>0.5就可以说检测正确。

NMS 非极大值抑制

用来确保算法对每个对象只检测一次。
为什么需要它？


按照上面的那种方式，就能生成好几个框框，但是这些个框框都指向了同一个目标，得删一删。
删的原则是什么呢？
比如我这里聚集了好几个框框，那么我这里有一个0.9,那周围和0.9框框IOU值高的框框都删掉了。

那要是 人、自行车、狗三者重叠到一起了，怎么搞呢？
anchor box.

Anchor Boxes

就是一个向量拉长一点，里面copy一份。

这种anchor box的形状需要人工来进行设置。
but yolo算法能够实现anchor box 的自动化。