什么是图像识别？

本文将会介绍图像识别中涉及的一些概念和专业名词

图像识别的三大任务

●目标识别：对图片进行分类，确定图片中的目标是什么。

如下图要分类图中的水杯和水瓶，方体。

●目标检测：定位目标，确定目标在图片中的具体位置

●目标分割：对图片进行像素级的分类前景和背景，剔除背景并描述目标的形状

不剔除背景：

剔除背景：

这里着重介绍目标检测

目标检测的定义

●识别图中有哪些物体以及定位物体的位置，这里的位置的表现形式是坐标。

位置的表现形式：坐标
●极坐标：（Xmin,Xmax,Ymin,Ymax）
检测框BBox（bounding box）四个角对应的坐标
以图片的左上角为原点建立坐标

●中心坐标：（X,Y,W,H）
同样以图片左上角为原点建立坐标。
这里X,Y表达的是中心点的坐标，即检测框的中心处
W,H则是检测框的宽和高。

目标检测细分：
●目标检测：图片中有多个目标
●分类+定位：图片中只有一个目标

目标检测的发展与分类

1、传统目标检测方法：手工提取特征，候选区，分类器
2、CNN提取分类的目标检测框架：R-CNN,Fast-CNN,Faster-CNN
3、端到端的目标检测框架：YOLO,SSD

其中除了传统的检测方式，CNN与端到端刚好分为两类。
●两步走：先进行区域推荐，再进行目标检测的判断。
●端到端：一个网络一步到位

两步走是随机在图片中推荐区域，然后进入网络判断是否为要检测的目标。
端到端则直接定位图片中的目标，可以说后者的效率会更高一点。

目标检测的准确率评估

在用CNN做图像分类中会有softmax函数进行结果计算。而在目标检测中IoU(交并比）来计算结果。
●IoU:两个区域的重叠程度
前面提到的检测框bounding box.分为两类：一类是真实目标框，也就是用于训练模型的图片中手动标注的目标框（Ground-truth bounding box）。另一类则是模型预测时的目标框（Predicted bounding box）

IoU的计算公式为：真实目标框与预测目标框相交的面积/两个目标框总的面积。

所以当结果为1时，真实目标框与预测目标框重合。也就是说目标检测的位置准确率为100%。

END

图片源于黑马程序员