神经网络与深度学习

深度学习视觉应用方面

1.数据集与评价指标

1.1 算法评估相关概念：

TP: 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；

FP: 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；

FN:被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；

TN: 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数；

混淆矩阵：

P(精确率）： 𝑇𝑃/(𝑇𝑃 + 𝐹𝑃)，标识“挑剔”的程度，

R(召回率）： 𝑇𝑃/(𝑇𝑃 + 𝐹𝑁)。召回率越高，准确度越低 标识“通过”的程度，

精度(Accuracy)： (𝑇𝑃 + 𝑇𝑁)/(𝑇𝑃 + 𝐹𝑃 + 𝑇𝑁 + 𝐹𝑁)；

1.2 置信度与准确率

       可以通过改变阈值（也可以看作上下移动蓝色的虚线），来选择让系统识别能出多少个图片，当然阈值的变化会导致Precision与 Recall值发生变化。

       比如，把蓝色虚线放到第一张图片下面，也就是说让系统只识别出最上面的那张飞机图片，那么Precision的值就是100%，而Recall的值则是20%。如果把蓝色虚线放到第二张图片下面，也就是说让系统只识别出最上面的前两张图片，那么 Precision的值还是100%，而 Recall的值则增长到是40%。

不同阈值条件下，Precision与Recall的变化情况如下：

2.目标检测与YOLO

2.1 目标检测

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。

2.2 YOLO网络结构

YOLO网络结构概略图：

YOLO官方的模型结构图：

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。

2.3 YOLO模型处理

YOLO网络输入：

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：𝟕 × 𝟕网格划分

将图片分割为 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；

 YOLO v1中，每个格子只能检测一种物体（但可以不同大小）。

YOLO网络输出:

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(bounding box, 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。

在上图中，每个框代表1个预测的bb，粗细代表不同的置信度，越粗得越高。