目标检测（5） 吴恩达-卷积神经网络-目标检测笔记

3.1 目标定位
输入：图像 x*y
输出：y=[pc, bx, by, bw, bh, c1, c2, c3]
（pc的值域是0或1，表示这个位置有无目标，bx、by表示框的中心位置，bw、bh表示长和宽，c1~c3表示目标的类别，值域也是0和1）

loss=∑ （y1-y1'）^2

3.2 特征点检测

3.3 目标检测
滑动窗口

3.4 卷积的滑动窗口实现
全连接层转换为卷积层

 

3.5 bounding box预测
yolo算法(非常重要)--》解决bounding box准确性问题

3.6 交叉比
IoU=真值区域和预测区域的交集/真值区域和预测区域的并集，一般大于0.5就很不错

3.7 非极大值抑制
解决存在多个有重复区域的框的问题，选出最合适的框

3.8 anchor boxes
解决一个框内有多个检测目标

3.9 YOLO算法
好是好，但感觉标注很麻烦啊

3.10 RPN网络（选修）
候选区域网络
R-CNN
fast R-CNN
faster R-CNN
这类网络主要分两大步：候选区域+分类
而yolo和ssd更快，因为他们把这两步合成一步