深度学习——物体识别和数据集（笔记）

1.图片分类与目标检测的区别：

图片分类：把图片中的主体找出来

目标检测：识别图片中所有感兴趣的物体，并且把每个物体的位置找出来。

2.目标检测的应用

无人驾驶，无人售货

3.边缘框：表示物体的位置

 

一个边缘框可以由4个数字定义（x右为正，y下为正）

①左上x,左上y

  右下x,右下y

②左上x,左上y

  宽,高

4.目标检测数据集

①数据集用文本存储：

每行表示一个物体，由图片文件名（可重复，因为一个图片多个物体），物体类别（标号），边缘框（位置）组成。1+1+4

②COCO数据集：80物体，330K图片，1.5M物体

【总结】

①物体检测识别图片里的多个物体的类别和位置

②位置通常使用边缘框表示

 

【代码 实现边缘框】

1.加载图片

import torch
from d2l import torch as d2l
d2l.set_figsize()
img = d2l.plt.imread('../img/catdog.jpg')

2.边界框 两种转换函数

①从左上右下转换到 中间，宽度，高度

def box_corner_to_center(boxes):
    """从（左上，右下）转换到（中间，宽度，高度）"""
    x1, y1, x2, y2 = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]
    cx = (x1 + x2) / 2
    cy = (y1 + y2) / 2
    w = x2 - x1
    h = y2 - y1
    boxes = torch.stack((cx, cy, w, h), axis=-1)
    return boxes

②从中间转换到左上，右下

def box_center_to_corner(boxes):
    """从（中间，宽度，高度）转换到（左上，右下）"""
    cx, cy, w, h = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]
    x1 = cx - 0.5 * w
    y1 = cy - 0.5 * h
    x2 = cx + 0.5 * w
    y2 = cy + 0.5 * h
    boxes = torch.stack((x1, y1, x2, y2), axis=-1)
    return boxes

3.x轴为右是正，y轴向下是正

dog_bbox, cat_bbox = [60.0, 45.0, 378.0, 516.0], [400.0, 112.0, 655.0, 493.0]

4.bbox_to_rect函数将边界框表示成matplotlib的边界框格式

def bbox_to_rect(bbox, color):
    # 将边界框(左上x,左上y,右下x,右下y)格式转换成matplotlib格式：
    # ((左上x,左上y),宽,高)
    return d2l.plt.Rectangle(
        xy=(bbox[0], bbox[1]), width=bbox[2]-bbox[0], height=bbox[3]-bbox[1],
        fill=False, edgecolor=color, linewidth=2)

5.物体在两个框内

fig = d2l.plt.imshow(img)
fig.axes.add_patch(bbox_to_rect(dog_bbox, 'blue'))
fig.axes.add_patch(bbox_to_rect(cat_bbox, 'red'))