deeplearning.ai 笔记 Specialization 4 week 3 目标检测

1. 目标定位

从简单的检测有没有车到给车画上框，实际增加了四个参数bx,by,bh,bw，为框左上角的点和长宽：

损失函数可以用八个值得平方差，也可以根据不同的选择不同的方式：

c1到c3使用softmax并输出一个，边界坐标用平方误差，Pc用逻辑回归，等等

2. 特征点检测

汽车、人脸、动作的特征点

3. 目标检测

滑动窗口：

缺点：对于卷积来说太慢了（已解决），而且除非采用小粒度的窗口，要不然描述不准确。

4. 卷积的滑动窗口实现

解决了重复卷积，一次性预测所有的框，但是精确还不够（下一节讲）

5. bounding box预测

YOLO（you only look once):

刚才的方法不能很好地解决准确性问题

蓝色的是按照4中的方法画的方框，可以看出和实际所在（红色）差距比较大。

YOLO：每个格子输出一个y，如果有目标会是绿色和黄色的样子，没有会是蓝色的样子，扫描后可以得到3x3x8的输出

怎么确定物体在那个格子里：中心点在哪个格子就算是在那个格子里

优点：卷积实现，可以达到实时识别

bx,by,bw,bh怎么确定：中心点在方框中的位置（方框左上角(0,0), 右下角（1，1））

6. 交并比（IoU）

如何判断检测算法运行良好：计算两个边界框交集和并集之比

7. 非最大抑制

有时候算法会对一个对象检测多次，这时候就可以用非最大抑制来使每个对象之被检测一次。

只输出最大比的输出，其他近似的输出被抑制

很多格子都认为自己有车：

找到最大的，抑制其他的：

以只检测有没有车为例：

Pc：格子里有车的概率

抛弃所有Pc<0.6的，在剩下所有里选出Pc最大的，抑制其他IoU大于0.5的

8. Anchor box

每个格子如何检测出多个物体？

两个物体（人和汽车）的中心点落在了同一个格子里：行人更像是竖直的，而汽车更偏向如水平，所以有了两个anchor box

找出物体的bx,by,bw,bh后，和两个anchor box算IoU，较大的是较合适的

缺点：如果有多于anchor box数量的物体出现在同一个格子中，没办法检测；如果两个anchor box的形状很像，也没有办法，需要其他手段

更好的办法（自动选择anchor box）YOLO里提到：k-means将两类形状聚类，用他来选择最具代表性的anchor box

9. 综合

10.RPN网络（region proposal 候选区域）

滑动窗格：使用训练好的分类器在所有窗格跑一边

卷积算法：在图中总有什么都没有的区域，在这些区域中浪费时间

带区域的卷积网络（R-CNN）：尝试选出一些区域，使这些区域运行卷积是有意义的。

不再对整个图片跑窗格，而是选定特定区域（图像分割算法），在其上跑CNN，输出标签和bounding box

 

R-CNN：太慢。对每个区域跑一遍

fast R-CNN：慢。改进：用卷积实现了滑动窗格提高了速度，但候选区域的速度依旧很慢

faster R-CNN：大部分比YOLO慢（毕竟要分两步）。改进：使用卷积获得候选区域