5、 卷积神经网络-----目标检测及特殊应用

目标定位

特征点检测

目标检测（滑动窗口方法）

用不同大小窗口滑动截取小图片输入卷积中分类1、0

卷积的滑动窗口实现

转换全连接层为卷积层

Bounding Box预测（yolo基础）

检测目标的中心点位于哪个框就归属于哪个框，输出为3*3*8

c1表示是否有行人，c2表示是否有汽车,c3表示是否有摩托车

交并比（IOU）:判断检测效果的标准

非极大值抑制：检测算法会对用一个物体检测到多次，为了对同一物体只检测到一次

Anchor Boxes:之前每个格子只能检测出一个对象，要使得每个格子检测出多个对象

Yolo算法

局部区域卷积：R-CNN

 

人脸识别的关键问题：一次学习问题

数据库只有每个人的一张图片

定义一个比较两张图片相似度的函数

Siamese网络：比较两张图片相似度的网络，讲过相同参数的网络模型后得到的128位编码应该相似

Triple损失：三元组损失函数

借助逻辑回归把人脸识别当做二分类任务

之前计算相似度网络的编码输出作为逻辑回归的输入

神经风格迁移

深度卷积在学什么？

代价函数

内容代价函数

风格代价函数

风格相似矩阵

卷积推广到三维