吴恩达deeplearning之CNN—目标检测(2)

5. Bounding Box预测

     这一部分主要讨论看怎么能得到更为精准的边界框。

     在滑动窗口算法中，通过取离散的位置集合然后再上面跑分类器，在有的情况下这些边界框没有一个能完美匹配汽车位置，甚至最合适的边界框可能并不是正方形而是长方形，怎么让边界框的输出更为精准？
     其中一个能得到更精准的边界框的算法是YOLO算法，YOLO算法[1]的意思是你只看一次。比如你的输入图像是100*100的，然后再图像上放一个网格，为了介绍起来简单一些，这里用3*3网格，实际实现时会用更精细的网格，可能19*19，基本思路是使用图像分类和定位算法，然后将算法应用到9个格子上。更具体一点，你需要如下定义训练标签：
     对于9个格子中的每一个，指定一个标签y，y是8维向量$[p_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3]$,含义和之前讲述的目标定位是一样的，所以最终图像输出的标签尺寸是3*3*8，如果你现在要训练一个输入图像是100*100*3的图像，然后你有一个普通卷积网络，最后就映射到一个3*3*8的输出尺寸，这类算法的优点是可以输出精确的边界框，所以测试的时候你做的是喂入输入图像X，然后经过正向传播，得出输出y，然后对于这里3*3位置对应的9个输出就反应对应位置是否包含对象，以及对象的具体位置和类型。只要每个区域中对象个数不超过一个，这个算法应该是没问题的。在这里举例用的是3*3的网格，但是在实际应用中会选用更精细的19*19网格，所以输出结果就是19*19*8，这样的网络精细的多，多个对象分配到同一个网格中的概率也就小很多。首先，这个算法和图像分类和定位算法很类似，同样输出了对象的具体问题，也就不会受到滑动窗口分类器的步长大小限制；其次，这是一个卷积实现并没有在3*3的网格上跑9次算法，这是单次卷积实现，共享了很多计算步骤，所以算法的计算效率很高。YOLO算法几乎可以达到实时识别的效率

     怎么指定边界框？

6.交并比（IOU）

     在对象检测中，希望能同时定位对象，如果实际是红色边框，你的算法给出紫色的边框，那么如何判断算法给出结果的好坏呢？所以交并比（Intersection over union）函数做的是，计算两个边界框交集和并集之比，两个边界框的并集为绿色斜线标识区域，交集是黄色斜线标识区域，那么IOU就是交集的面积除以并集的面积，一般约定在计算机检测任务中$IOU\ge0.5$ 就说检测正确，如果预测器和实际边界框完美重叠$IOU=1$，如果希望更严格一点，你可以调大IOU的阈值。下一部分讨论的非最大抑制可以让YOLO算法的输出效果更好。

7.非极大值抑制

     到目前为止我们学习到的对象检测中的一个问题是，算法可能对同一个对象作出多次检测，所以算法对某个对象不是检测出一次而是检测出多次。非最大值抑制方法可以确保算法对每个对象只检出一次。