机器学习经典模型（二）目标检测

1.图像中单个目标的定位

标签为：中心点，方块的长宽

2.图像中多个目标检测——滑窗法

训练一个目标识别网络Net，能够判断是不是car。

用滑窗法遍历图片，每一次都用Net来做预测，因为知道滑窗的位置和大小，所以可以预测出图片中物体的种类的位置。

受细粒度、滑动步长影响大，计算量太大

3.通过卷积来减少计算量

1）通过卷积代替全连接

 2）通过卷积实现滑窗操作

有很多计算是共享的，通过卷积通过“并行”的方式，一次从前到后的计算就预测了所有滑窗的结果。 卷积的步长决定了滑窗的步长

4. YOLO

之前的滑窗是以窗口大小作为bounding box的，不够精确。

输入100x100x3图像，输出3x3x8的预测，3x3中每一个格子对应一个8的预测标签。

相对于当个目标的定位，这个可以实现多个目标的bouding box定位。

相比滑窗法的pipeline式检测流程，这个是更贴近端到端的方法。

好处：

1、因为用了bounding box目标定位的标签，所以更精确 ，而不是滑窗中只能按照滑窗大小来

2、采用了卷积实现，计算效率高，可以实时

注意：

这里的3x3网格并没有真正地把图片分割成9块，不存在如果一个物体横跨了两个格子就识别不出来的情况，只是输出限制成了3x3的区域，不同格子的输入并没有应为划分格子而相互解耦，并不等价于分割成9个图片，然后单独做目标定位。

5. 评价指标 IoU 交并比

 6. 非极大值抑制

图中高亮的被选中，变暗的被抑制。 

因为有多个物体，所以需要循环遍历： 

1.选一个概率Pc最大的框，挑出来，作为第一个物体的预测

2.遍历剩下的框，和这个框IoU大于0.6(某个阈值）的框就不要了

3.遍历剩下的框，找一个Pc最大的，作为第二个物体的预测

4.遍历剩下的，和这个框IoU大于0.6(某个阈值）的框就不要了

.......如此循环

参考链接：https://blog.csdn.net/shuzfan/article/details/52711706

7.处理重合物体Anchor Boxes

输入的预测每个格子不再是只有一组预测值，而是对应不同类别的物体有不同的anchor box 

输出3x3x(8x2)

 下面列举了一个格子中有两种、有一种物体的情况时，标签是什么样的

 

这种方法无法处理：

1、一个格子中有三个物体，却只有两个anchor box

2、一个格子中同一类物体有两个以上 

参考链接：https://blog.csdn.net/weixin_43384257/article/details/100974776 

8.YOLO

这部分还需要看代码仔细研究一下

https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000&slide=id.g137784ab86_4_4611

这里anchor_box在代码里并没有一个与之对应的结构，网络要回归预测boundingbox在anchor_box上的偏移量，输出这个偏移量以后就能得到一个boundingbox的尺寸，通过和标签中的尺寸进行比较，能够算出一个loss，通过这个loss来指导网络学习，所以能够在代码中体现anchor_box的地方就是loss的计算，与输出tensor的channel，anchor_box是一个“不存在代码实体”的东西。

9.R-CNN系列

基于区域建议的，不是滑窗，而是先建议在哪些区域里找，然后在那些区域里执行卷积网络预测bounding box，缺点是太慢了。

这里边区域建议还是很慢。