【笔记】动手学深度学习 - 物体检测和数据集

边缘框：

边缘框可以用四个数字定义：左上（x，y）和右下的（x，y）或者左上的（x，y）和宽高。

用于做图像定位的深度神经网络结构与图像分类类似，只是最后一层是一个包含4个神经元的全连接层，并使用均方误差或绝对误差作为损失函数。

数据集：

我们图片分类数据集中，把不同的图片放入不同的文件夹来表示不同的类别。而检测的时候就不能这样划分，因为一张图片中可能有多个物体。

所以每行表示一个物体（假设使用txt存放）：

        每行包含图片文件名，物体类别，边缘框。

常用的目标检测数据集COCO：cocodataset.org（80物体，330k图片，1.5M物体）