YOLO网络:多目标检测和识别的另一个重要的工作
将输入图像分成S*S个格子
某个物体的ground truth的中心位置的坐标落入到某个格子,那么这个格子就负责检测出物体
每个格子预测B个bounding box及其置信度,以及C个类别概率
bbox信息(X,Y,W,H)为物体的中心位置相对格子位置的偏移及宽度和高度,均被均一化
置信度反映的是是否包含物体以及包含物体情况下位置的准确性
YOLOv1网络在最后使用全连接层进行类别输出
全连接层的输出维度S*S*(B*5+C)
YOLO网络结构 you only look once
语义分割
确定每个目标所对应的像素
全卷积网络:输入是一副图像,输出是与输入长宽一致的图像
各个卷积层的维度遵循特征图维度先缩小再放大的原则,而采取的是中心对称的结构设计
MAXPOOLING 记录与上采样层对称的下采样层的最大值位置,然后在具体位置赋值具体数值
而在其他地方补零
卷积层的上采样也叫反卷积或转置卷积
原理图
理论推导
卷积流程
可以看成权值共享的神经网络,即一个16维向量X与一个4*16的矩阵C相乘,获得一个4维向量Y
反卷积流程
全卷积网络的结构
全卷积网络由于输入和输出都是图像的预测模型,因此可以处理计算机视觉中的很多问题
循环神经网络(RNN)
RNN的第一类问题:多个输入和多个输出。
第二类问题:多个输入和一个输出:典型应用:行为和动作识别,单词量有限的语音识别
第三类问题:一个输入和多个输出:典型应用:文本生成,图像注释
RNN网络的训练过程
实际训练时使用折中方式
RNN的不足:状态之间的转移函数,以及状态到输出的转移函数都过于简单。