吴恩达老师深度学习笔记第四课第三周

目标检测

3.1目标定位
定位分类问题
例如图像分类问题：不仅仅要判断是否是汽车，还要标注出他的位置
通过检测到中心点，并且输出bx by bh bw 给出图片对象的边界框，
概括的说：神经网络可以通过输出图片上特征点的（x，y）坐标，来实现对目标特征的识别

3.2特征点检测
举了一个例子：关于识别人脸特征点
先选定特征点的个数并生成包括这些特征点的标签训练集，然后利用神经网络输出脸部关键特征点的位置
具体做法是准备一个卷积网络和一些特征集，将人脸图片输入卷积网络，然后输出（lx1，ly1）…(l64x,l64y)一共会有129个输出单元，1个用来表示是否有人脸，然后64个特征642，由此实现对人脸的检测和定位，这只是一个识别脸部表情的基本构造模块。
3.3目标检测
学习通过卷积网络进行对象检测，采用的是基于滑动窗口的目标检测算法，假如你想构建一个汽车检测算法，
步骤是首先创建一个标签训练集，然后你可以开始训练卷积网络，



以某一个固定步幅滑动这些方框窗口，遍历整张图片，对这些方形区域进行分类，判断里边有没有汽车（明显的缺点，就是计算成本会比较大）
3.4卷积的滑动窗口实现
主要内容：如何在卷积层上应用滑动窗口对象检测算法
首先要知道如何把神经网络的全连接层转化成卷积层

总结：在图片上剪切出一块区域，假设他的大小是1414，把他输入到卷积网络，继续输入下一块区域，大小同样是1414，重复操作，直到某个区域识别出汽车。但是我们不用依靠连续的卷积操作来识别图片中的汽车。比如：我们可以对大小为2828的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汽车的位置（缺点：边框的位置可能不够准确）
3.5Bounding Box预测

解释：先将一张图片分块，然后检测每一块里有没有物体（人，车之类的），然后对检测到的每一个物体找到中点，将物体分配到其中点存在的方框。对于每一个方框会输出一个y向量
3.6交并比（loU）
交并比函数的功能：计算两个边界框交集和并集之比
一般来说当loU≥0.5
我们就认为结果可以接受

3.7非极大值抑制
非极大值抑制可以保证你的算法对每个对象只检测一次


3.8Anchor Boxes
让一个格子检测出多个结果
思路：预先定义两个不同形状的anchor box，把预测结果和这两个anchor box关联起来，一般来说，你可能会用更多的anchor box可能五个甚至更多

3.9YOLO算法

3.10候选区域