深度学习基础 - 对象检测（CNN+滑窗+YOLO）

本文以自动驾驶场景下的对象检测（Object Detection）为研究对象，学习理解滑窗卷积和YOLO等内容。

1.对象检测

对象检测（Object Detection）的目的是”识别对象并给出其在图中的确切位置”，其内容可解构为三部分：

1. 识别某个对象（Classification）；
2. 给出对象在图中的位置（Localization）；
3. 识别图中所有的目标及其位置（Detection）。

如下图所示，从左到右分别展示了：某个对象的识别（P(目标)=1，class=car），对象在图中的定位（给出边框bounding box–

2.滑窗+CNN

滑动窗口（Sliding Windows，简称滑窗）法是进行目标检测的主流方法。对于某输入图像，由于其对象尺度形状等因素的不确定性，导致直接套用预训练好的模型进行识别效率低下。通过设计滑窗来遍历图像，将每个窗口对应的局部图像进行检测，能有效克服尺度、位置、形变等带来的输入异构问题，提升检测效果。下图展示了某种大小的滑窗在待检测图像上滑动的过程：