神经网络与深度学习（笔记三）

一、算法评估

1.相关概念

TP：被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；
FP：被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；
FN：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；
TN：被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。

P(精确率)：；R(召回率)：；它们之间的关系为召回率越高，准确度越低。

2. AP(average precision)计算

 其中𝑁代表测试集中所有图片的个数，𝑃(𝑘)表示在能识别出𝑘个图片的时候 Precision的值，而 Δ𝑟(𝑘)则表示识别图片个数从𝑘 − 1变化到𝑘时（通过调整阈 值）Recall值的变化情况。

3.mAP(mean average precision)计算

在多类的检测中，取每个类AP的平均值，即为mAP

二、目标检测与YOLO

1.目标检测问题

目标检测是在给定的图片中精确找到物体所在位置，并标注出物体的类别。 物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图 片的任何地方，并且物体还可以是多个类别。

2.目标检测基本原理

（1）概念

很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别 ，还想得到它们在图像中的具体位置。在计算机视觉里，我们将这类任务称为目标检测（object detection）或物体检测。

（2）边界框

在目标检测里，我们通常使用边界框bounding box来描述目标位置。 边界框是一个矩形框，可以由矩形左上角的x和y轴坐标与右下角的x和y 轴坐标确定。

（3）锚框

目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域 中是否包含我们感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框(ground-truth bounding box)。

不同的模型使用的区域采样方法可能不同。锚框法以每个像素为中心生成多个大小和宽高比（aspect ratio)不同的边界框,这些边界框被称为锚框(anchor box)。

（3）并交比

为对锚框的效果进行量化，一种直观的方法是衡量锚框和真实边 界框之间的相似度。Jaccard系数（Jaccard index）可以衡量两个 集合的相似度。给定集合A和B，它们的Jaccard系数即二者交集大小除以二 者并集大小：

把边界框内的像素区域看成是像素的集合，用两个边界框的像素集合的Jaccard系数衡量这两个边界框的相似度。 当衡量两个边界框的相似度时，通常将Jaccard系数称为交并比，即两个边界框相交面积与相并面积之比。

（4）标注训练集的锚框

在训练集中，将每个锚框视为一个训练样本。为了训练目标检测模型 ，需要为每个锚框标注两类标签：一是锚框所含目标的类别，简称类别；二是真实边界框相对锚框的偏移量，简称偏移量。

定义矩阵

 其中第i行第j列的元素 为锚框Ai与真实边界框Bj的交并比。

（5）输出预测边界框

锚框数量较多时，同一个目标上可能会输出较多相似的预测边界框。为了使结果更加简洁，我们可以移除相似的预测边界框。常用的方法叫作非极大值抑制。

1. 从最大概率矩形框F开始，分别判断A~E与F的重叠度IOU是否大于某个设 定的阈值;
2. 假设B、D与F的重叠度超过阈值，那么就扔掉B、D；并标记第一个矩形框 F，是我们保留下来的。
3. 从剩下的矩形框A、C、E中，选择概率最大的E，然后判断E与A、C的重 叠度，重叠度大于一定的阈值，那么就扔掉；并标记E是我们保留下来的第二 个矩形框。
4. 一直重复这个过程，找到所有曾经被保留下来的矩形框。

三、目标检测数据集

 1.数据集介绍

皮卡丘数据集合成方法：

• 首先，用一个开源的皮卡丘3D模型生成了1000张不同角度和大 小的皮卡丘图像。
• 随后我们收集了一系列背景图像，并在每张图的随机位置放置一 张随机的皮卡丘图像

2.图示数据

 皮卡丘的角度、大小和位置在每张图像中都不一样。当实际中的数据通常会复杂得多。

 合成的皮卡丘数据集可用于测试目标检测模型。目标检测的数据读取跟图像分类的类似。然而，在引入边界框后，标签形状 和图像增广（如随机裁剪）发生了变化。