吴恩达第四门-卷积神经网络-第三周6-10学习笔记

本文主要介绍了吴恩达卷积神经网络课程第三周的学习内容,涵盖了交并比(IoU)的概念及其在检测任务中的应用,非极大值抑制在防止重复检测同一对象上的作用,Anchor Boxes如何帮助一个格子检测多个对象,以及YOLO算法的工作原理。通过对这些概念的理解,有助于深入掌握对象检测技术。
摘要由CSDN通过智能技术生成

吴恩达第四门-卷积神经网络-第三周6-10学习笔记

3.6交并比

在这里插入图片描述

什么是交并比

交并比(loU)函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域,就是属于包含两个边界框区域(绿色阴影表示区域),而交集就是这个比较小的区域(橙色阴影表示区域),那么交并比就是交集的大小,这个橙色阴影面积,然后除以绿色阴影的并集面积。

一般约定,在计算机检测任务中,如果loU>=0.5,则认为检测正确。如果预测器和实际边界框完美重叠,loU就是1。

所以这是衡量定位精确度的一种方式,我们只需要统计算法正确检测和定位对象的次数,你就可以用这样的定义判断对象定位是否准确。

3.7非极大值抑制

我们的对象检测算法可能会对同一个对象做多次检测,而非极大值抑制可以确保我们的对象检测算法对每个对象只检测一次。
在这里插入图片描述
举一个对象检测的例子,如果我们的任务是要检测出图片中的汽车数量,我们可以使用各自将图片分成若干个小格子,实际应该可以检测出两辆车来。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值