目标检测

19

  • 技巧

    Ensembling：Train several networks independently and average their outputs Multi-crop at test time：Run classifier on multiple versions of test images and average results

 

定位

20

Need to output bx, by, bn, bw, class label (1-4)

21

需人工标注特征点的坐标

 

基于滑动窗口的目标检测算法

  1. 先训练卷积网络识别物体
  2. 滑动+放大窗口+再次滑动

问题：计算效率大，慢

 

在卷积层上的滑动窗口目标检测算法

一次得到所有的预测值。问题：可能不准确

 

yolo 边界框

图像划分、边界框预测、类预测、最终预测

22

物体只会被分配到其中一个格子（观察对象的中点）

单次卷积实现，共享计算

优点：快

评估指标：交并比IoU函数（“Correct” if loU ≥ 0.5）

 

非极大值抑制（NMS）

确保只检测出一次

  1. 当p小于阈值，去除重复框。
  2. 选择最高概率的
  3. 去除和高亮标记边界框重叠面积高的边框
  4. 循环

若n个对象，则做n次非极大值抑制

 

Anchor box

解决两个对象同时出现在同一个单位中

23

观察哪个Anchor box的IoU更高

可以手工决定Anchor box形状大小，也可以通过K-means算法重新调整Anchor Boxes，保证最优的边界框预测。

 

YOLO

24

25

最后，跑非极大值抑制

26

 

候选区域