本文探讨了如何利用深度神经网络进行图像定位，介绍了边缘框的定义和表示方式。特别关注了COCO数据集，一个包含80种物体的大型目标检测基准，以及如何在文本文件中组织每个物体的图片名、类别和边框坐标。
边缘框：
边缘框可以用四个数字定义：左上（x，y）和右下的（x，y）或者左上的（x，y）和宽高。
用于做图像定位的深度神经网络结构与图像分类类似，只是最后一层是一个包含4个神经元的全连接层，并使用均方误差或绝对误差作为损失函数。
数据集：
我们图片分类数据集中，把不同的图片放入不同的文件夹来表示不同的类别。而检测的时候就不能这样划分，因为一张图片中可能有多个物体。
所以每行表示一个物体（假设使用txt存放）：
每行包含图片文件名，物体类别，边缘框。
常用的目标检测数据集COCO：cocodataset.org（80物体，330k图片，1.5M物体）
扫一扫
1715
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
