18.深度学习之计算机视觉-2

18.1 什么是目标检测

• 目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置

• 计算机视觉中关于图像识别有四大类任务：

  
  

18.1.1 目标检测要解决的核心问题

• 除了图像分类之外，目标检测要解决的核心问题是：
  • 目标可能出现在图像的任何位置。
  • 目标有各种不同的大小。
  • 目标可能有各种不同的形状。

18.1.2 目标检测和边界框

• 在图像分类任务里，假设图像里只有一个主体目标，并关注如何识别该目标的类别。
• 目标检测在多个领域中被广泛使用。例如：
  • 在无人驾驶里，需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。
  • 机器人也常通过该任务来检测感兴趣的目标。

  • 安防领域则需要检测异常目标，如歹徒或者炸弹。

    
    

18.2 边界框

• 在目标检测里，通常使用边界框（bounding box）来描述目标位置。

  • 边界框是一个矩形框，可以由矩形左上角的x和y轴坐标与右下角的x和y轴坐标确定。

    
    

18.3 锚框

• 目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框（ground-truth bounding box）
• 方法：

  • 它以每个像素为中心生成多个大小和宽高比（aspect ratio）不同的边界框。这些边界框被称为锚框（anchor box）

    
    

18.3.1 生成多个锚框

• 假设输入图像高为h，宽为w。

• 分别以图像的每个像素为中心生成不同形状的锚框。

• 设大小为

  
  

  • 且宽高比为r> 0，那么锚框的宽和高将分别为

    
    

  • 当中心位置给定时，已知宽和高的锚框是确定的。

• 下面分别设定好一组大小

  
  

• 如果以每个像素为中心时使用所有的大小与宽高比的组合，输入图像将一共得到whnm个锚框。

  • 虽然这些锚框可能覆盖了所有的真实边界框，但计算复杂度容易过高。

  • 因此，通常只对包含S1 or r1的大小与宽高比的组合感兴趣，即

    
    

• 也就是说，以相同像素为中心的锚框的数量为n+m-1

  • 对于整个输入图像，将一共生成wh(n+m-1)个锚框。
    大数据视频推荐：
    腾讯课堂
    CSDN
    大数据语音推荐：
    企业级大数据技术应用
    大数据机器学习案例之推荐系统
    自然语言处理
    大数据基础
    人工智能：深度学习入门到精通