Lesson4--CNN目标检测

Object detection 目标检测

图像分类与定位

之前我们学习到的输入一张图片，输出为图片的分类的方法都是image classification（图像识别），但有些时候，我们不仅要知道图像的分类，还需要知道目标所在的位置，这种任务叫作image classification and localization，另外有些时候，一张图片中含有多个目标，此时的任务叫作目标检测object detection。
在目标定位任务中，输出y的设定为：

特征点检测

输入一张图片，输出这张图片中的特征点。eg:输入一张图片，当图片中含有人脸时，我们需要标注出人的各眼角点，假设需要标注的有64个眼角点，每个点有一个横坐标和一个纵坐标组成，加上目标检测的pc点，一共的输出就是64×2+1=129个数字。
在一些图片处理软件中，比如抖音的变脸功能，实际上就是检测出人脸的各个部位，然后对各部位进行处理，因此就是一个目标定位的任务。

目标检测

目标检测怎么做？
首先在训练过程中，我们通过对图片进行剪裁得到视图基本为车辆的图片，输出为label Y=1,视图不为车的图片输出Y=0，对神经网络训练之后，得到参数。
在测试的时候，使用sliding window object detection algorithm，即滑动窗口目标检测：对于多目标的任务，我们就必须对一个图片使用滑窗处理，每次使用一个滑窗对一张图片进行逐个处理，下次使用一个更大的滑窗进行处理，依次下去。这样