第三周:目标检测
本文是卷积神经网络的笔记。
3.1 目标定位(Object Localization)
- Classification with localization: 把一个物体在图像中框出来
- Detection:把图像中所有物体框出来(可以是不同的类别)
下面我们考虑一个分类问题,类别为:
- pedestrain
- car
- motorcycle
- background
其中前面3类,我们称为图像中有物体。
记号:
- 图片左上角记为(0,0),右下角记为(1,1),竖着为y轴。
- 框(Bounding Box)左上角为 ( b x , b y ) (b_x,b_y) (bx,by),框的高度和宽度 ( b h , b w ) (b_h,b_w) (bh,bw)
- 输出:(一个分成3类的例子)
y = [ P c b x b y b h b w c 1 c 2 c 3 ] y=\begin{bmatrix} Pc \\ b_x \\ b_y \\ b_h \\ b_w \\ c_1 \\ c_2 \\ c_3 \end{bmatrix} y=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡Pcbxbybhbwc1c2c3⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
其中 P c Pc Pc是图片中有物体的概率, b x , b y , b h , b w b_x,b_y,b_h,b_w bx,by,bh,bw对应Bounding Box的左上角和框的高度和宽度。 c 1 , c 2 , c 3 c_1,c_2,c_3 c1,c2,c3为属于三个类别的概率。
例如
-
y = [ 1 b x b y b h b w 0 1 0 ] y=\begin{bmatrix} 1 \\ b_x \\ b_y \\ b_h \\ b_w \\ 0 \\ 1 \\ 0 \end{bmatrix} y=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡1bxbybhbw010⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤可以框出图像中的汽车。
y = [ 0 ? ? ? ? ? ? ? ] y=\begin{bmatrix} 0 \\ ? \\ ? \\ ? \\ ? \\ ? \\ ? \\ ? \end{bmatrix} y=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡0???????⎦