神经网络目标检测

1.目标检测（detection）= 目标分类（classification）+定位（localization）

一、classification with localization网络的输出形式如下：
$y=\begin{bmatrix} \\ P_{c} \\ b_{x} \\ b_{y} \\ b_{h} \\ b_{w} \\ c_{1} \\ c_{2} \\ c_{3} \\\ \end{bmatrix}$
其中：$P_{c}$-is there any object，取0或1；$b_{x},b_{y},b_{h},b_{w}$-bounding box ；$c_{1},c_{2},c_{3}$-which class does the object is

二、y的输出有两种
$y=\begin{bmatrix} \\ 1 \\ b_{x} \\ b_{y} \\ b_{h} \\ b_{w} \\ 0 \\ 1 \\ 0 \\\ \end{bmatrix}$
或者
$y=\begin{bmatrix} \\ 0 \\ ? \\ ? \\ ? \\ ? \\ ? \\ ? \\ ? \\\ \end{bmatrix}$
?表示”don’t care”
三、损失函数定义
$L (\hat{y},y)=(\hat{y_{1}}-y_{1})^{2}+(\hat{y_{2}}-y_{2})^{2}+...+(\hat{y_{8}}-y_{8})^{2}$ if y1= 1
$L (\hat{y},y)=(\hat{y_{1}}-y_{1})^{2}$ if y1= 0

2.特征点检测

将输出改变为一些特征点输出，

3.滑动窗口目标检测

1.先用只有目标的图片进行训练，
2.选择合适的窗口，从左往后，从上往下一一进行检测，再换较大窗口去一一检测
或换不同的步长进行检测。

4.YOLO算法

左上坐标为（0，0）