神经网络与深度学习课程总结(三)

1、数据集与评价指标

1.1 四个评价值

TP: 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数

FP: 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数

FN:被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数

TN: 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数

1.2 三个评价指标

P(精确率）： 𝑇𝑃/(𝑇𝑃 + 𝐹𝑃)， 标识“挑剔”的程度

R(召回率）： 𝑇𝑃/(𝑇𝑃 + 𝐹𝑁)。召回率越高，准确度越低

精度(Accuracy)： (𝑇𝑃 + 𝑇𝑁)/(𝑇𝑃 + 𝐹𝑃 + 𝑇𝑁 + 𝐹𝑁)

1.3 AP计算

mAP：均值平均准确率
 

其中𝑁代表测试集中所有图片的个数， 𝑃(𝑘)表示在能识别出𝑘个图片的时候Precision的值， 而 Δ𝑟(𝑘)则表示识别图片个数从𝑘 - 1变化到𝑘时（通过调整阈值） Recall值的变化情况。

2、目标检测

目标检测是在给定的图片中精确找到物体所在位置，并标注出物体的类别。物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。

2.1 问题发展

R-CNN、SPP NET、Fast R-CNN、Faster R-CNN
最终实现YOLO
 

2.2 YOLO的基本思想

分类问题扩展为回归+分类问题

分类：对每个框的目标检测问题

回归：对最小矩形坐标的回归问题

问题1：有一个框里有多个，有个多个框里有一个，怎么办？

        多个框里有一个目标，取目标中心点所在框

问题2：多类目标怎么办？

        使用独热编码扩展类别数

3、YOLO网络结构

3.1 结构概略图

3.2 官方模型结构图

网络结构包含24个卷积层和2个全连接层；其中前20个卷积层用来做预训练，后面4个是随机初始化的卷积层，和2个全连接层。

3.3 YOLO模型处理

将图片分割为 𝑆^2个 grid( 𝑆=7))，每个 grid cell 的大小都是相等的;每个格子都可以检测是否包含目标 .

3.4 YOLO网络输出

   输出是一个 7×7×30的张量。对应7×7个cell;

 每个 cell 对应 2 个包围框 (bounding box, bb) bb)，预测不同大小和宽高比对应检测不同目标。每个 bb 有 5 个分量，分别是物体的中心位置 (𝑥,𝑦)和它的高(ℎ)和宽 (𝑤)，以及这次预测的置信度。