每天五分钟计算机视觉：如何构造分类定位任务的算法模型？

本文重点

本节课程我们将学习分类定位的问题，也就是说不仅要完成图片分类任务，然后还要完成定位任务。如下所示，我们不仅要用算法判断图片中是不是一辆车，还要在图片中标记出它的位置，用边框对象圈起来，这就是分类定位问题。

一般可能会有一张图片对应多个对象，本节课我们假设所有的图片最多只对应一个对象。

图片分类

我们假设图片中最多含有一个对象，这个对象可能是行人、汽车、摩托车，当然还有可能一个对象都没有我们称它为背景。

那么这是一个四分类的问题，类别一是行人、类别二是汽车、类别三是摩托车、类别四是背景。

现在的任务是往模型中输入一张图片，然后识别这个图片属于哪个类别。模型会输出一个特征向量，并反馈给 softmax 单元（四个神经元）来预测图片类型，这个任务很简单。

目标定位

如何才能完成目标定位任务呢？我们需要四个数字来确定一个边框，分别记为bx，by，bh和bw，这四个数字是被检测对象的边界框的参数化表示。bx和by表示被检测对象的中心点，bh表示被检测对象的高，bw表示被检测对象的宽。