CS231n李飞飞计算机视觉 迁移学习之物体定位与检测上

迁移学习之物体定位与检测上

分类和定位

分类：给定一个图像，输入图像包含的对象的类别。

定位：给定一个图像，找到图像中对象所在的区域，即找出边界框。

数据集：一千个类别，每个类别有800张图像。

网络结构如上图，定位和分类可以同时训练也可以分别训练。

方法一：当做回归问题求解

分类是一个回归问题，可以将定位也当成回归问题，定位及找到对象所在边界框，边界框为方形，所以确定边界框的左上角的坐标以及长和宽四个参数即可。所以也可以将定位看成是给定一个图像，找出这四个参数的回归问题。

如上图所示，在一个卷积网络之后分别连接两个全连接层，一个用于分类，一个用于定位。

两种回归，一种是无论图像是什么类别，定位部分的网络都有相同的结构和参数来得到边界，这种叫不定类回归。另一种为定类回归，即输出是C乘四个边界参数，即每一类别都有一种边界框。

在哪个位置进行回归？两种方法，第一种在最后一个卷积层后面加上回归网络，如VGG、OverFeat。第二种在全连接层之后。