吴恩达《深度学习》第四课第三周

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