神经网络与深度学习-学习笔记(3)——深度学习视觉应用

最新推荐文章于 2024-09-17 21:17:40 发布

HIT.惊喜酱

最新推荐文章于 2024-09-17 21:17:40 发布

阅读量1.5k

点赞数 57

分类专栏：神经网络与深度学习-笔记文章标签：深度学习神经网络学习

本文链接：https://blog.csdn.net/m0_57610394/article/details/138090684

版权

神经网络与深度学习-笔记专栏收录该内容

3 篇文章 0 订阅

订阅专栏

算法评估

算法评估相关概念

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

混淆矩阵：

P-R曲线

P-R的关系曲线图，表示了召回率和准确率之间的关系

精度(准确率)越高,召回率越低

AP计算

mAP ：均值平均准确率

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。

常用数据集

MNIST

MINIST数据集主要由一些手写数字的图片和对应标签组成，是常用的手写数字识别数据集，图片共有10类，分别对应从0~9；由60000个训练样本和10000个测试样本组成，每个样本都是一张28*28像素的手写灰度数字图片。

原始的MNIST数据库包含下面4个文件:

Fashion-MNIST数据集

Fashion-MNIST数据集是一个替代 MNIST 手写数字集的图像数据集。它是由 Zalando旗下的研究部门提供，涵盖了来自 10 种类别的共7万个不同商品的正面图片；FashionMNIST 的大小、格式和训练集/测试集划分与原始的 MNIST 完全一致，仍为60000/10000 的训练测试数据划分，28x28 的灰度图片。下图是数据集中的类，以及每个类的十个随机图像：

CIFAR 10数据集

CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像，数据集分为五个训练批次和一个测试批次，每个批次有10000 个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。以下是数据集中的类，以及来自每个类的10个随机图像：

MS COCO数据集

PASCAL的全称是Microsoft Common Objects in Context，起源于微软于2014年出资标注的Microsoft COCO数据集；数据集以scene understanding为目标，主要从复杂的日常场景中截取；包含目标分类(识别)、检测、分割、语义标注等数据集；ImageNet竞赛停办后，COCO竞赛就成为是当前目标识别、检测等领域的一个最权威、最重要的标杆；官网：http://cocodataset.org

该数据集提供的标注类别有80 类，有超过33 万张图片，其中20 万张有标注，整个数据集中个体的数目超过150 万个。该数据集实例如下：

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。

目标检测问题发展

➢R-CNN

➢ SPP NET

➢ Fast R-CNN

➢ Faster R-CNN

➢ 最终实现 YOLO

YOLO算法

一种实时目标检测算法，由Joseph Redmon等人在2015年提出。YOLO的核心思想是将目标检测任务看作一个回归问题，从而实现了端到端的目标检测，极大地提高了检测速度。

网络结构包含24个卷积层和2个全连接层；其中前20个卷积层用来做预训练，后面4个是随机初始化的卷积层，和2个全连接层。

YOLO v1在PASCAL VOC数据集上进行的训练，因此输入图片为 448 × 448 × 3。实际中如为其它尺寸，需要resize或切割成要求尺寸。输出结果为个7 × 7 × 30的张量，对应 7 × 7个cell。每个cell对应2个包围框(bounding box, bb)，预测不同大小和宽高比，对应检测不同目标。每个bb有5个分量，分别是物体的中心位置(𝑥, 𝑦)和它的高 (ℎ) 和宽 (𝑤) ，以及这次预测的置信度。