吴恩达神经网络和深度学习-学习笔记-43-Bounding box 预测 + YOLO算法

滑动窗口目标检测的缺点

在滑动窗法中，取这些离散的位置的集合，然后在它们上面跑分类器。在这种情况下，这些边界框没有一个能完美匹配汽车位置。

还有，最完美的边界框甚至不是方形，而是稍微有点长方形。

得到更精准的边界框——YOLO算法

YOLO算法和图像分类+定位算法非常像（显式地输出边界框坐标），所以这能让神经网络输出边界框，可以具有任意宽高比，并且能输出更精确的坐标，而不会受到滑动窗法分类器的步长大小限制。

其次，这是一个卷积实现，我们并没有在3×3网格上跑9次算法，相反这是单次卷积实现。我们使用了一个卷积网络，有很多共享计算步骤，所以YOLO算法效率很高。

示例：

比如你的输入图像是100×100的，然后在图像上放一个网格（ 实际会用更精细的网格，可能19×19）。

这样情况下，多个对象分配到同一个格子的概率就小得多。

把对象分配到一个格子的过程是：观察对象的中点，然后将这个对象分配到其中点所在的格子。所以即使对象横跨多个格子，也只会被分配到9个格子其中之一。

YOLO算法的基本思路：

使用图像分类和定位算法，然后将算法应用到9个格子上。

更具体一点是：
你需要这样定义训练标签，所以对于9个格子中的每一个指定一个标签y，y是8维向量（和定位算法一样）

YOLO算法的做法：

取两个对象的中点，然后将这个对象分配给包含对象中点的格子，所以左边的汽车就分配到第二行第一个格子上；这辆Condor中点在第二行第三个格子，分配给这个格子。


最后整张图片的输出尺寸是3×3×8

训练过程

有一个输入x就是这样的输入图像，然后有这些3×3×8的目标标签y。
用反向传播训练神经网络时，将任意输入x映射到这类输出向量y。

算法优点

• 神经网络可以输出精确的边界框。
• 这是一个卷积实现。实际上它的运行速度非常快，可以达到实时识别。

所以测试的时候，你做的是喂入输入图像x，然后跑正向传播，直到你得到这个输出y。

只要每个格子中对象数目没有超过1个，这个算法应该是没问题的。

编码边界框 b_x b_y b_h b_w

b_x、b_y、b_h、b_w单位是相对格子尺度的比例。

b_x和b_y必须在0和1之间（中点位于对象分配到的格子的范围内，否则这个对象就应该分配到另一个格子上）。

b_h和b_w可以大于1（取决于车在图片的大小）。

吴恩达老师这里就只给出一个合理的约定 用起来应该没问题。