李飞飞计算机视觉-自用笔记（第六周）

11 图像分割、定位、检测

11.1 语义分割

方法1：滑动窗口
问题：效率低下
方法2：全连接卷积网络
问题：计算量太大，耗费内存
方法3：卷积与下采样结合
上采样：按某规则扩充像素
转置卷积：不再是对应元素与卷积核做内积，而是用输入做权重处理卷积核，使输出是带有权重的卷积核的叠加
例：

11.2 图像分类+定位

通常有两个全连接层，其中一个输出类别及得分，另一个输出坐标及图像的长、宽
分别对应两个损失函数，如Softmax和L2 Loss

11.3 对象识别

对与固定几个类别，根据输入的图片，每当出现目标对象时，框处目标对象并对其进行预测
方法：滑动窗口；选中某些区域后对其进行预测，如果当前的类别中没有此区域所对应的内容，新增一个“背景”类，并将当前区域加入其中
问题1：如何选择区域
方法：使用候选区域，建立点状的候选区域，建立候选清单，如目标检测会给出2000个候选区域
问题2：候选区域尺寸不同
方法：由于候选区域要作为同一个卷积神经网络的输出，故应保证他们的输