目录
1、物体定位
（1）几个术语
图像分类：给出一张图片，识别出图像中存在的物体叫做图片分类。
物体定位：不仅识别出里面的车，而且还知道车在哪个位置，叫做物体定位。
物体探测：将多种物体识别出来，并且将他们的位置定位出来，叫做物体探测。
（2）基本流程
图像输入之后，经过多层卷积网络，最后进入softmax层，得出4类标签（行人、汽车、摩托车，什么都没有）
在图像分类基础上，物体定位就是除了给出上述分类的标签之外，还给出物体的位置信息，位置信息一般用4 个值来表示，中心x、y坐标、宽、高，分别用
来表示。
为了让神经网络输出这些信息，需要将 y 标签设置为如下格式：
y标签内变量的含义从上到下依次为：是否有物体、物体的x坐标、物体的y坐标、物体的宽、物体的高、行人的概率、汽车的概率、摩托车的概率。
（3）损失函数
拿平方误差损失函数举例
当图片中有物体的时候：
当图片中没有物体的时候：
2、关键点探测
比如定位眼睛的位置，可以让神经网络输出四个眼角的坐标
如果想要定位一个人的姿势，可以探测身体上的一些关键点来实现
3、滑动窗口弹测法
第一步构建一个可以识别车辆的CNN。
要求图片中的车辆尽量占满整个图片，即尽量减少其他信息对CNN识别车辆的准确率。
第二步用这个CNN在图片上进行滑动窗口探测。
使用窗口，先选择图片左上角的一部分，如下图，将这一小块带入到CNN中识别是否有车辆。
可以改变小窗口大小，识别不同大小的物体。
缺点
计算量很大
4、全连接层转卷积层
上面是一个简单卷积网络，后三层是全连接层，切后三层输出的激活值是400、400、4
可以将上面的最后三层的全连接层转换成卷积层
前面的卷积层不变，第一个FC层使用 （5x5x16）x400 的过滤器，得到1x1x400的矩阵。第二个FC层使用（1x1x400）x400的过滤器，得到1x1x400的矩阵。
优点
将全连接层卷计化，可以实现卷计化的滑动窗口探测。
可以减少滑动窗口计算量太大的问题。
5、卷积化滑动窗口
图中14x14x3的矩阵代表滑动窗口探测中的一个片段。上图中的矩阵深度依次是：3，16，16，400，400，4
卷积化的滑动窗口
假设图片大小为16x16，如下图所示，黄色表示原始图像，蓝色表示图片上的一个窗口。
如果滑动窗口的步长是2的话，那么图中就会有四个窗口。如果使用初始的滑动窗口方法需要重复执行四次卷积网络，而使用卷计化的滑动窗口，则只需要对整个网络执行一次卷积网络
扫一扫
754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
