深度学习入门（四十二）计算机视觉——目标检测和边界框

前言

核心内容来自博客链接1博客连接2希望大家多多支持作者
本文记录用，防止遗忘

计算机视觉——目标检测和边界框

课件

图片分类和目标检测

边缘框

—个边缘框可以通过4个数字定义

• (左上x,左上y,右下x,右下y)
• (左上x,左上y,宽,高)

• 

  目标检测数据集

  每行表示一个物体：图片文件名，物体类别，边缘框
  CoCo (cocodataset.org)：80物体，330K图片，1.5M物体

  总结

  1、物体检测识别图片里的多个物体的类别和位置
  2、位置通常用边缘框表示

  教材

  在前面的章节中，我们介绍了各种图像分类模型。 在图像分类任务中，我们假设图像中只有一个主要物体对象，我们只关注如何识别其类别。 然而，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）或目标识别（object recognition）。

  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、道路和障碍物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。

  在接下来的几节中，我们将介绍几种用于目标检测的深度学习方法。 我们将首先介绍目标的位置。

  %matplotlib inline
  import torch
  from d2l import torch as d2l
  

  下面加载本节将使用的示例图像。可以看到图像左边是一只狗，右边是一只猫。 它们是这张图像里的两个主要目标。

  d2l.set_figsize()
  img = d2l.plt.imread('../img/catdog.jpg')
  d2l.plt.imshow(img);
  

  输出：
  

  1 边界框

  在目标检测中，我们通常使用边界框（bounding box）来描述对象的空间位置。 边界框是矩形的，由矩形左上角的以及右下角的$x$和$y$坐标决定。 另一种常用的边界框表示方法是边界框中心的$(x,y)$轴坐标以及框的宽度和高度。

  在这里，我们定义在这两种表示法之间进行转换的函数：box_corner_to_center从两角表示法转换为中心宽度表示法，而box_center_to_corner反之亦然。 输入参数boxes可以是长度为4的张量，也可以是形状为（，4）的二维张量，其中是边界框的数量。

  def box_corner_to_center(boxes):
      """从（左上，右下）转换到（中间，宽度，高度）"""
      x1, y1, x2, y2 = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]
      cx = (x1 + x2) / 2
      cy = (y1 + y2) / 2
      w = x2 - x1
      h = y2 - y1
      boxes = torch.stack((cx, cy, w, h), axis=-1)
      return boxes
  
  def box_center_to_corner(boxes):
      """从（中间，宽度，高度）转换到（左上，右下）"""
      cx, cy, w, h = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]
      x1 = cx - 0.5 * w
      y1 = cy - 0.5 * h
      x2 = cx + 0.5 * w
      y2 = cy + 0.5 * h
      boxes = torch.stack((x1, y1, x2, y2), axis=-1)
      return boxes
  

  我们将根据坐标信息定义图像中狗和猫的边界框。 图像中坐标的原点是图像的左上角，向右的方向为$x$轴的正方向，向下的方向为$y$轴的正方向。

  # bbox是边界框的英文缩写
  dog_bbox, cat_bbox = [60.0, 45.0, 378.0, 516.0], [400.0, 112.0, 655.0, 493.0]
  

  我们可以通过转换两次来验证边界框转换函数的正确性。

  boxes = torch.tensor((dog_bbox, cat_bbox))
  box_center_to_corner(box_corner_to_center(boxes)) == boxes
  

  输出：

  tensor([[True, True, True, True],
          [True, True, True, True]])
  

  我们可以将边界框在图中画出，以检查其是否准确。 画之前，我们定义一个辅助函数bbox_to_rect。 它将边界框表示成matplotlib的边界框格式。

  def bbox_to_rect(bbox, color):
      # 将边界框(左上x,左上y,右下x,右下y)格式转换成matplotlib格式：
      # ((左上x,左上y),宽,高)
      return d2l.plt.Rectangle(
          xy=(bbox[0], bbox[1]), width=bbox[2]-bbox[0], height=bbox[3]-bbox[1],
          fill=False, edgecolor=color, linewidth=2)
  

  在图像上添加边界框之后，我们可以看到两个物体的主要轮廓基本上在两个框内。

  fig = d2l.plt.imshow(img)
  fig.axes.add_patch(bbox_to_rect(dog_bbox, 'blue'))
  fig.axes.add_patch(bbox_to_rect(cat_bbox, 'red'));
  

  输出：
  

  2 小结

  1、目标检测不仅可以识别图像中所有感兴趣的物体，还能识别它们的位置，该位置通常由矩形边界框表示。
  2、我们可以在两种常用的边界框表示（中间，宽度，高度）和（左上，右下）坐标之间进行转换。