YOLO基础教程（五）：目标检测基本原理

本文内容主要参考，吴恩达《卷积神经网络》 第三周目标检测

视频地址：https://www.bilibili.com/video/av36381900/?p=3

1.  目标定位：使用算法判断图片中是不是目标物体，如果是还要再图片中标出其位置并使用边框标记出来

在普通的图片分类网络中，对于一个图片，经过卷积层特征提取后，送入softmax层转为为对于的概率

而分类定位则是在图片分类网络的基础上加入了全连接层的输出bx，by，bh，bw和一个分类标签（c1,c2,c3...），其最后输出形式如下：

其中：

Pc:表示被检测对象某一分类的概率（即是否含有被检测的对象）。假设要检验汽车、摩托车、行人、景物。但是前三个检测对象是我们关心的，那么如果出现Pc为1，图片为景物或者其他不是我们关系的则Pc为0。

bx，by，bh，bw：bx，by为标记边框的中心位置坐标，bh，bw:为标记边框的长高。将图片归一化，设图片左上角标记为（0，0），右下角标记为（1，1），对于图中汽车中心点，其数据大概可以是 bx =0.5，by = 0.7 。对于bounding box，其 bh = 0.3，bw = 0.4 

c1，c2，c3.....cn:为分类标签，n对应自己实际的分类标签个数。但是在c1，c2，c3.....cn 中只有一个为1。若分类标签次序为汽车，摩托车和行人，所以n=3，c1 = 1，其余为0

损失函数计算：

Pc为1时，即检测出了感兴趣的物体，损失值等于每个元素相应差值的平方，即输出y中的每个元素作差再求平方和