深度学习总结(stage3)

最新推荐文章于 2024-07-25 22:26:10 发布

也曾奉为神明

最新推荐文章于 2024-07-25 22:26:10 发布

阅读量62

点赞数 1

文章标签：深度学习人工智能算法

本文链接：https://blog.csdn.net/m0_60935150/article/details/130237928

版权

文章介绍了目标检测的基本概念，包括精确率和召回率等评价指标，以及平均精度AP的计算方法。接着，重点讨论了YOLOv1目标检测算法，解释了边界框和锚框的概念，描述了YOLOv1的网络结构和输入输出处理方式。

摘要由CSDN通过智能技术生成

1.评价指标

P(精确率)：TP/(TP+FP)

R(召回率)：TP/(TP+FN),召回率越高，准确度越低

mAP:

$AP=\sum_{K=1}^{N}P(K)\Delta r(K)$

其中N代表所有图片的个数，p(k)表示能识别出k个图片的时候Precision的值,而Δ r ( 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。

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。

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。

目标检测在多个领域中被广泛使用。例如，在无人驾驶里，我们需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。机器人也常通过该任务来检测感兴趣的目标。安防领域则需要检测异常目标，如歹徒或者炸弹

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。

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）

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
YOLO模型处理
将图片分割为 7*7个grid，每个grid cell的大小都是相等的
每个格子都可以检测是否包含目标
YOLO v1中，每个格子只能检测一种物体（但可以不同大小）

输出是一个7 × 7 × 30的张量。对应7 × 7个cell
每个cell对应2个包围框(boundingbox, 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

图片被分成了49个框，每个框预测2个bb，因此上面的图中有98个bb

关注