目录
1 目标定位
目标检测的目标不同于前面几章的判断问题,我们不仅需要判断还需要确定物体的位置。
标准的CNN分类问题可以帮助我们判断图中是否有某个物体
原始图片经过卷积层后,softmax层会输出4 x 1向量来给出判断,但目标定位问题并不仅限于此
我们首先给出规定,(0,0)点为图像左上角点,(1,1)为图像右下角点。原始图片经过卷积层后,softmax会给出一个8 x 1向量,这个向量除了包含分类向量外,还包含了(bx, by),表示目标中心位置坐标;还包含了bh和bw,表示目标所在矩形区域的高和宽;还包含了Pc,表示矩形区域是目标的概率,数值在0~1之间,且越大概率越大。
输出的范例可表示为:
上图中pc=0的情况表示没有检测到目标,此时后面的七个参数没有实际意义。
对于目标检测问题 ,其损失函数如下所示:
当pc=1时:
当pc=0时:,此时由于没有检测到目标,因此只需关注检测的准确性即可。
2 特征点检测
检测目标的类别和位置可以通过对目标的关键特征点进行定位,比如人脸识别,可以对人脸的部分特征点进行定位检测:
这个模型检测人脸上的64处特征点,加上检测是否是脸的标志位。共有64x2+1=1