卷积神经网络——目标检测.目标定位

目标检测是计算机视觉领域中非常热门的方向，通常利用图像处理与模式识别等领域的理论和方法，检测出图像中存在的目标对象，确定这些目标对象的语义类别，并标定出目标对象在图像中的位置。目标检测是对象识别的前提。而在目标检测中目标的定位则是非常重要的基础。

图片分类问题已经不陌生了

如图，输入一张图片到卷积神经网络中，最后我们会获得由softmax神经单元提供给我们的预测图片类型的概率。
如在一个自动驾驶的系统中，这个输入图片可能包含的对象有person、car、motorcycle、background等种类。如果我们使softmax的输出为以上四种为例那么它的返回值就是这4类在我们图片中的概率。

为了实现目标的定位首先我们需要设定被检测对象边界框的相关参数(b_x，b_y，b_h，b_w)。
b_x，b_y代表着对象框的中心点的坐标，b_h，b_w分别表示这个边界框的高度和宽度。
我们通常以图片左上角为原点，右下角为坐标(1,1)，这样我们的参数就在0-1之间。

当然，我们为了得到(b_x，b_y，b_h，b_w)参数的输出，就需要在原有的卷积神经网络中增加几个神经单元，如此我们的神经网络的输出就发生了变化
现在让我们重新定义一下输出

Pc代表我们图中的目标是否属于现有的person、car、motorcycle三类中的一种，如果为三类中的一种输出1，否则输出0
b_x，b_y，b_h，b_w为目标框的相关信息就不赘述了
C1，C2，C3分别表示目标具体是person(C1)、car(C2)、motorcycle(C3)三类中对应的的一哪种。

制定了输出的标签我们就可以按该方式整理数据集训练我们的神经网络，从而简单的实现目标的定位和检测
最后给大家提供一个简单的目标定位数据集——PASCAL VOC-2006.
该数据集比较适合初学者，拥有10种物体的的标签(自行车，公共汽车，猫，汽车，牛，狗，马，摩托车，人，羊)