卷积神经网络——目标检测
3.1目标定位
1.分类与定位
分类问题可以有助于定位问题的解决,当识别完图片类型之后我们可以让神经网络的输出增加几个单元,从而输出一个边界框(bounding box),具体而言就是多输出4个数字(b_x, b_y, b_h, b_w),在这种情况下,输出将包含:一个分类标签,四个位置值
2.定义目标标签y
假设在分类任务中有4类:pedestrian(行人)、car(车辆)、motorcycle(机车),background(其他) ,这四类中如果输入图像不是前三类那么统统算作background,因此在标签y中需要设置一个参数P_c表征是否识别出物体,当P_c=1时,y=[P_c, b_x, b_y, b_h, b_w, C1, C2, C3],其中C1, C2, C3分别代表pedestrian(行人)、car(车辆)、motorcycle(机车),三者只有一个可为1,当P_c=0时,则不需要关心y中其他参数,相当于y=[P_c,?,?,?,?,?,?,?]
3.Loss函数L(y_hat, y)
有上图可知,我们只需考虑P_c=1时的情况,且通常只对边界框坐标应用平方误差或类似方法。
3.2特征点检测
1. 特征点检测
如3.1中输出物体边界框类似,如果我们想提取图片中的特