吴恩达深度学习第四课第一种课后编程作业_吴恩达深度学习 编程作业十一 自动驾驶——目标检测...

处理边界框、目标识别

1.第一层过滤，过滤概率较小的框

思路：选择一个阈值，用这个阈值为界限，大于这个阈值的边框保留，小于这个阈值的舍弃。

2.第二次过滤，非最大抑制NMS

计算交并比，使用交并比确定哪个框是最大的

3.yolo的非最大抑制

可以直接调用tensorflow中的tf.image.non_max_suppression()函数实现

4.实现

分别用前面定义的两种过滤方式对框进行过滤，并返回分值，分类，框的位置

5.小结

(1)输入图片（608,608,3）

(2)经过CNN输出（19,19,5,85）

(3)展开后两个维度得到（19,19,425），5个框80类+4个位置坐标+1个是否=5*（80+4+1）

(4)过滤，使用阈值过滤和非最大抑制NMS过滤

(5)输出yolo结果

6.正式预测

创建会话

定义类、锚点、形状

加载预训练模型，官网提供

输出变换

过滤

预测

YOLO是一个十分流行的目标检测方法，值得仔细学习一边。