深度学习第四课第三周

Object Detection

1.Object localization

以前的分类问题经过softmax后输出其属于哪一类即可，对于目标定位，经过softmax后还得多输出其位置信息。

bx,by是位置，bw和bh是宽度和高度。

这里输出假设分类定位问题是只有一个对象，当图像中有目标时pc=1,列表中还会包含位置信息（bw,bh,bx,by），c1=1代表目标是pedestrain,c2=1代表目标是car,c3=1代表目标是motorcycle.当没有车时，当pc=0时说明目标不存在，其它参数这时就无意义了。

2 Landmark Detection

3.Convolutional implementation of sliding windows

这里把全连接层用卷积层代替，在数学上效果一样。

使用滑动窗口，不需要把输入图片分割成多个子集（传统的是把一张图片裁剪多块分别丢入卷积网路分析，效率较低，而且会有很多计算重复），分别执行前向传播，而是把整张图片输入，这样共有区域可以共享很多计算，一次性得到所有预测值。

4.Intersection over union

简单来说就是用交集初除上并集，衡量定位效果的。

More generally, IoU is a measure of the overlap between two bounding boxes.