吴恩达《深度学习》笔记四——计算机视觉的应用

Writed by changfei_love life~

目录：

1.目标定位&目标检测
2.人脸识别&神经风格转移

第一部分 目标定位&目标检测

1.目标定位
含义：构建算法不仅需要判断图片中的对象，还需要在图片中标记处它的位置。
本章中规定，目标定位问题中，图片只有一个对象；目标检测问题中，图片含有多个对象。
以汽车自动驾驶系统为例：判断图片是否有行人、汽车和摩托车，同时定位对象位置
需要重新定义标签：

Pc表示是否含有对象
bx,by表示边界框的中心点
bh,bw表示边界框的高和宽
c1,c2,c3表示对象属于1-3类中的哪一类
因此，训练集不仅包含预测的对象分类标签，还要包含表示边界框的4个参数。
2.特征点检测
以人脸识别为例：需要标注出眼角位置，此时需要输出眼角坐标(lx,ly),一个特征点对应一对坐标。
假设有64个特征点，则需要生成包含这些特征点的标签训练集，然后利用神经网络输出脸部特征。

3.目标检测
采用基于滑动窗口的目标检测算法
以汽车检测算法为例，步骤：
(1)首先创建标签训练集，x代表适当剪切的图片，y代表是否为汽车
(2)训练卷积网络
(3)实现滑动窗口检测：选定一个特定大小的窗口，处理第一个图像，滑动窗口，处理第二个图像，依次重复操作。

缺点：
计算成本，卷积需要一个个处理窗口图像
步幅选择影响性能
4.卷积的滑动窗口实现
需要把卷积网络中的全连接层转化成卷积层：

应用400个5-5-16过滤器，输出维度1-1-400，不再把它看成一个含有400个节点的集合，而是一个1-1-400的输出层。
最后两个使用1by1卷积。
通过卷积实现滑动窗口对象检测算法：

原始的滑动窗口算法需要将卷积重复应用到输入图像中，而卷积滑动窗口算法直接将16-16-3输入到卷积网络中，得到2-2-4，分别对应输入的4张图片结果。

存在一个缺点：
虽然卷积滑动效率高，但边界框的位置不够精确。
5.Bounding Box预测——YOLO算法
基本思路：使用图像定位算法，应用到多个格子里。
重新定义训练标签y:类似于图像定位的标签，可以得到对象的精准边界框。此时输入为图像x,输出为3-3-8(这里使用3-3格子)的目标标签，当用反向传播训练神经网络时，可将任意输入x映射到这类输出向量y。
对象分配格子原则：

使用一次卷积实现：

关于参数bx,by,bh,bw的取值：

其中，(bx,by)为中点坐标，bh,bw取相对值
6.交并比
交并比用来评价对象检测算法
计算两个边界框交集和并集之比

7.非极大值抑制
含义：

目的：

具体做法：
高亮最大值，抑制较小值

8.Anchor Boxes
对象检测存在的一个问题是，每个格子只能检测出一个对象，如果想要一个格子检测出多个对象，可以使用Anchor Boxes。
做法：
每个标签下不仅只有一个边界框，可以有多个边界框，它们特征不同。

对应的标签为：

说明：

9.YOLO算法
构造训练集：

训练卷积网络：

预测：

非极大值抑制：

第二部分 人脸识别&神经风格转移

1.人脸识别
人脸验证与人脸识别的区别：
人脸验证是输入图片，系统验证是否是这个人，1对1问题。
人脸识别是输入图片，系统识别是否含这个这个人，1对k问题。
one-shot学习：
含义：需要通过单单一张图片去识别一个人
方法：
(1)CNN实现

(2)学习Similarity函数

Siamese网络：
将卷积网络中最后的回归单元去掉，得到的值可以看出图像的编码。

网络训练：

Triplet损失：
定义三元组损失函数来训练网络

A,P,N:

d(A,p)+a-d(A,N)<=0

损失函数：


三元组选择：


面部识别与二分类：
将面部识别转换成二分类问题：

回归单元：


2.神经风格转移
C(内容图像)+S(风格图像)—>G(生成的图像)
深度卷积网络的可视化(理解不同层隐藏单元的计算结果)：

代价函数：

代价函数=内容代价函数+风格代价函数

算法过程：

内容代价函数：
隐藏层l的选择：不会太浅也不会太深，通常选择中间层
选择一个训练好的卷积模型，这里选用VGG网络
损失函数衡量内容图片和生成图片的相似度：

卷积层的展开，便于计算

风格代价函数：
通道间激活项的相关系数矩阵：

通道k和k’之间的相关系数：
(风格图片)

(生成图片)：

相关系数构成矩阵：

矩阵计算方法：

风格代价函数：