吴恩达深度学习_第四课(3)《目标检测》

目标定位

softmax函数进行分类操作，判断图片中是否存在行人、汽车和摩托车或是背景对象。
除此之外，我们可以让神经网络多输出几个单元，表示一个边界框，即b_x,b_y,b_h，b_w这四个数字是被检测对象的边界框的参数。

算法要做的就是：首先判断图里有没有目标，目标在哪，目标是什么，所以每次输出的y中包含这些参数值。

损失函数：当y₁=1（存在检测目标），计算所有参数的损失函数。否则只计算y₁的损失值，其他7个参数情况不关心。

特征点检测

可以用无数个坐标，表示目标的特征点

目标检测

基于滑动窗口的目标检测

• 将目标剪切出来，训练卷积网络
• 以一定大小的窗口扫描图片，将窗口内的图片输入卷积网络预测

滑动窗口目标检测算法缺点：

• 计算成本高，用小粒度或小步幅，窗口会特别多，卷积网络要一个个地处理
• 用的步幅很大，窗口个数少，可能会影响性能

滑动窗口的卷积实现

下面这三个张量，可以视为：使用卷积层操作，实现全连接层效果。

当一张图很大的时候，可以对整张图进行卷积和池化，最终得到的 2x2x4 或 8x8x4 的张量中，相对位置仍然表示原图相对位置的特征。

Bounding box（边界框）预测

滑动窗口法中，离散的边界框可能没有一个能完美匹配目标

例如下图，输入100x100x3的图片，最终输出3x3x8的张量。

对边界框有一些解释：坐标xy在0到1；长宽可以超过1

交并比

评价算法是否精确：两个边界框交集和并集之比

非极大值抑制

可以防止对某个对象进行多次检测，非极大值抑制可以保证对每个对象只检测一次。

• 从所有框中选择检测概率最高的框，并将其他与之交并比较高的框抑制掉；
• 除去抑制的然后找剩下框中概率最高的框， 再将与之交并比较高的框抑制掉。

理念是：保留极大概率的框，抑制接近极大概率但不是极大概率的框。

如果你尝试同时检测三个对象，比如说行人、汽车、摩托，那么输出向量就会有三个额外的分量。 事实证明，正确的做法是独立进行三次非极大值抑制，对每个输出类别都做一次

Anchor Boxes （锚箱）

处理一个格子中出现两个对象的情况，想让一个格子检测出来多个对象。

将之前定义的类别标签改为包含两个Anchor Boxes的标签，之前输出8个变量，现在输出16个变量。

在进行对象检测的时候，不只是分配一个格子，还会分配到一个与检测对象交并比较大的一个anchor box，即 （格子，Anchor box）对

这里有个例子：

算法处理不便的情况：

• 如果你有两个anchor box，但同一格子有三个对象

• 两个对象都分配到一个格子中，且它们的anchor box形状也一样，出现的概率比较小，对性能的影响应该不会很大

怎么选择 anchor box呢？

• 一般手工指定anchor box形状，选择5到10个anchor box形状，覆盖多种不同的形状
• k - means 算法，可以将两类对象形状聚类，选择最具有代表性的一组 anchor box，这是自动选择anchor box的高级方法

YOLO算法

• 训练过程：

• 非极大值抑制：

如果使用两个anchor box，那么9个格子中任何一个都会有两个预测的边界框，其中一个的概率很低。
接下来你抛弃概率很低的预测。

如果你希望检测（3种目标）行人，汽车和摩托车，那么你要做的是，对于每个类别单独运行非极大值抑制，运行三次最终得到预测结果。

候选区域

在每个区域跑一遍分类器