深度学习与神经网络第三周学习笔记

最新推荐文章于 2024-11-12 21:42:01 发布

lahorion

最新推荐文章于 2024-11-12 21:42:01 发布

阅读量296

点赞数

文章标签：深度学习神经网络学习

本文链接：https://blog.csdn.net/qq_44839983/article/details/129927986

版权

文章介绍了目标检测的基本概念，包括精确率和召回率，并详细讲解了AP计算方法。接着，文章深入讨论了YOLO算法，解释了其网络结构和输入处理方式，指出YOLO如何通过一步法解决目标检测问题，特别是对多类目标和小目标的处理策略。

摘要由CSDN通过智能技术生成

一、评价指标

P(精确率)：TP/(TP+FP)
R(召回率)：TP/(TP+FN)。召回率越高，准确度越低

mAP：均值平均准确率

$AP=\sum_{k=1}^Np(k)\Delta r(k)$
其中 $N$ 代表测试集中所有图片的个数， $p (k)$ 表示能识别出k个图片的时候Precision的值，而 $\Delta r(k)$ 则表示识别图片个数从k-1变化到k时（通过调整阈值）Recall值的变化情况。

目标检测是在给定的图片中精确找到物体所在位置，并标注出物体的类别。物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。
在这里插入图片描述

很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想得到它们在图像中的具体位置。在计算机视觉里，我们将这类任务称为目标检测（object detection）或物体检测。

目标检测在多个领域中被广泛使用。例如，在无人驾驶里，我们需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。机器人也常通过该任务来检测感兴趣的目标。安防领域则需要检测异常目标，如歹徒或者炸弹。

边界框
在目标检测里，我们通常使用边界框（bounding box）来描述目标位置。边界框是一个矩形框，可以由矩形左上角的x和y轴坐标与右下角的x和y轴坐标确定。
锚框
目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框（ground-truth bounding box）

把目标检测化简为分类问题。利用一个窗口从左到右、从上到下滑动，可以对于葫芦娃的脸进行分类，能够识别出来脸，就做到了目标检测。基本原理示意图如下
在这里插入图片描述
滑动窗口的问题：

滑动窗口的改进：

一步法思想：将分类问题扩展为回归+分类问题
在这里插入图片描述

在这里插入图片描述
实际的检测结果是一个高维张量

网络结构包含24个卷积层和2个全连接层；其中前20个卷积层用来做预训练，后面4个是随机初始化的卷积层，和2个全连接层。

YOLO v1在PASCAL VOC数据集上进行的训练，因此输入图片为448 × 448 × 3。实际中如为其它尺寸，需要resize或切割成要求尺寸
YOLO模型处理
将图片分割为 $S^2$ 个grid(𝑆 = 7)，每个grid cell的大小都是相等的
每个格子都可以检测是否包含目标
OLO v1中，每个格子只能检测一种物体（但可以不同大小）

输出是一个7 × 7 × 30的张量。对应7 × 7个cell
每个cell对应2个包围框(boundingbox, bb)，预测不同大小和宽高比，对应检测不同目标。每个bb有5个分量，分别是物体的中心位置(𝑥, 𝑦)和它的高(ℎ) 和宽 (𝑤) ，以及这次预测的置信度。

图片被分成了49个框，每个框预测2个bb，因此上面的图中有98个bb