深度学习目标检测：Anchor Box算法详解
本文详细介绍了Anchor Box算法在计算机视觉中的应用，用于解决目标检测中多个对象出现在同一小格的问题。通过预定义不同形状的Anchor Box，算法能够识别多种目标。文章通过具体例子展示了标签的表示方式，并探讨了算法的优缺点，包括提高检测准确性和降低计算复杂度，以及超参数设计困难和冗余框问题。
本文重点
我们前面学习了目标检测算法，然而算法是有问题的，也就是分割图片的小格子中只能检测到一个对象，如果要是一个小格中有多个对象的中心点，那么这个就没有办法解决了
为了解决这个问题，我们可以使用目标检测中的Anchor Box算法，它可以完成这种任务。目标检测中的Anchor Box算法在近年来得到了广泛的应用，尤其在深度学习领域的目标检测任务中，它发挥了至关重要的作用。
Anchor Box算法
现在想要在一个格子中识别出两个对象，可以预先定义两个不同形状的anchor box，然后对其进行编号处理，分别为anchor box1（竖着的）和anchor box2（横着的）
我们可以看到box1特别像人的形状，box2特别像汽车的形状，所以当一个小格子中有人的时候，就可以使用box1，当一个小格子中有汽车的时候，就可以使用box2。一般手工指定 anchor box 形状，可以选择 6 到 10 个 anchor box 形状，可以涵盖你想要检测的对象的各种形状。
现在这样当我们在定义一个格子的标签的时候，格子的标签变成这样的了：
本例中我
订阅专栏 解锁全文
扫一扫
2379
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
