softmax函数进行分类操作,判断图片中是否存在行人、汽车和摩托车或是背景对象。除此之外,我们可以让神经网络多输出几个单元,表示一个边界框,即 b x , b y , b h , b w b_x, b_y, b_h, b_w bx,by,bh,bw,这四个数字是被检测对象的边界框的参数化表示。
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:
计算成本高,用小粒度或小步幅,窗口会特别多,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
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(loU)
交并比(loU)函数做的是计算两个边界框交集和并集之比。
7. 非极大值抑制(Non-max suppression)
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