目录

• 1. 目标定位

• 2. 特征点检测

• 3. 目标检测

• 4. 滑动窗口的卷积实现

• 5. Bounding Box预测(YOLO)

• 6. 交并比

• 7. 非极大值抑制

• 8. Anchor Boxes

• 9. YOLO 算法

• 10. 候选区域

• 作业

参考：吴恩达视频课深度学习笔记

1. 目标定位

定位分类问题：

不仅要判断图片中是不是一辆汽车，还要「标记出它的位置」，用框「圈起来」

2. 特征点检测

Landmark 检测

3. 目标检测

基于「滑动窗口」的目标检测

• 将目标剪切出来，训练卷积网络
• 以一定大小的窗口扫描图片，将窗口内的图片输入卷积网络预测
• 更改窗口大小，重复上面步骤

滑动窗口目标检测算法「缺点」：

• 「计算成本」，剪切出太多块，卷积网络要一个个地处理
• 用的步幅很大，窗口个数少，可能会影响性能
• 用小粒度或小步幅，窗口会特别多，这意味着超高的计算成本

4. 滑动窗口的卷积实现

对「整张图片」进行卷积操作，「一次得到」所有预测值，如果足够幸运，神经网络便可以识别出目标的位置在卷积层上应用滑动窗口算法，「提高」了整个算法的「效率」不过这种算法仍然存在一个「缺点」，就是「边界框的位置可能不够准确」

5. Bounding Box预测(YOLO)

滑动窗口法中，「离散」的边界框可能没有一个能完美匹配汽车位置

一个能得到「更精准边界框」的算法是「YOLO」算法，YOLO(「You only look once」)意思是你只看一次，这是由Joseph Redmon，Santosh Divvala，Ross Girshick和Ali Farhadi提出的算法

YOLO算法有一个好处，它是一个「卷积」实现，运行速度「非常快」，可以达到「实时识别」

边界框定义还有其他更有效的方法，可能效果要更好一点

6. 交并比

7. 非极大值抑制

算法可能对同一个对象做出「多次」检测。「非极大值抑制」确保算法对每个对象「只检测一次」。

「非极大值抑制」，非最大值意味着你「只输出概率最大」的分类结果，抑制很接近，但不是最大的其他预测结果

如果你尝试「同时检测三个对象」，比如说行人、汽车、摩托，那么输出向量就会有三个额外的分量。事实证明，正确的做法是「独立进行三次」非极大值抑制，对每个输出类别都做一次

8. Anchor Boxes

你想让一个格子检测出「多个对象」，就是使用 anchor box 这个概念

算法处理「不好」的情况：

• 如果你有两个anchor box，但同一格子有三个对象
• 两个对象都分配到一个格子中，且它们的anchor box「形状也一样」出现的概率比较小，对性能的影响应该不会很大

怎么选择 anchor box呢？

• 一般「手工指定」anchor box形状，选择5到10个anchor box形状，覆盖多种不同的形状
• k - 平均算法，可以将两类对象形状「聚类」，选择「最具有代表性」的一组 anchor box，这是自动选择anchor box的高级方法

9. YOLO 算法

• 训练：
• 预测：
• 非极大值抑制：如果使用两个anchor box，那么9个格子中任何一个都会有两个预测的边界框，其中一个的概率很低。接下来你抛弃概率很低的预测。如果你希望检测(3种目标)行人，汽车和摩托车，那么你要做的是，对于「每个类别」单独运行非极大值抑制，运行三次来得到最终的预测结果。

10. 候选区域

候选区域是一个有趣的想法，但这个方法需要两步：

• 首先得到候选区域
• 然后再分类

相比之下，类似于YOLO(You only look once)这个算法，能够一步做完，老师觉得长远而言更有希望

YOLO 网址：https://pjreddie.com/darknet/yolo/

作业

待写，见下一篇，一起加油！

如遇链接失效，请查阅原文

我的CSDN博客地址 https://michael.blog.csdn.net/

长按或扫码关注我的公众号(Michael阿明)，一起加油、一起学习进步！