Coursera, Deep Learning 4, Convolutional Neural Networks, week3, Object detection

学习目标

Understand the challenges of Object Localization, Object Detection and Landmark Finding
Understand and implement non-max suppression
Understand and implement intersection over union
Understand how we label a dataset for an object detection application
Remember the vocabulary of object detection (landmark, anchor, bounding box, grid, ...)

Objective Localization

分类，分类加定位，检测。前两种问题都是针对一个object, detection 是针对多个object

在classification with localization 问题中，就是在output 的 softmax 输出的基础上在加了4个参数来定位bounding box.

Landmark detection

Object detection

Sliding windown detection 算法最大的缺点是computational cost. 在早期人们用简单的线性分类器去分类的时候还好，现在用conv net 去分类尤其在stride 很小的情况下就cost太高了。幸运的是这个问题有办法解决. 接着往下看

Convolutional implementation of Sliding Windows

下图表示了怎么把fully connected layer 转化为convolutional layer.

下面显示4次计算高度重复，下图第二行演示了使用第一行训练出来的filter parameter 去预测label，这样可以图像的share的重合的部分，极大提高计算效率。Convolutional 实现可以一次性求出结果而不是循环很多次.

现在还剩一个问题就是只考虑了分类问题没有考虑定位localization问题. 那么怎么定位呢，我们很容易想到前面介绍的classification+localization, 请继续往下看。

下图演示了用3x3的分割来做分类和定位，实际工作中会更细的分割，比如19x19。

一个对象的midpoint在哪个cell里，就说这个对象属于哪个cell.

YOLO 算法

YOLO 算法就是前面介绍的知识点的集成，对每一个小方框使用了classification+localization, 然后对整个9个小方框并没有循环，而是使用了convolutional 实现一次性计算。

YOLO 算法能更精确的预测bounding box. 因为解决了不能正好框住object的问题.

bounding box 的encoding. b_h, b_w 是和小框边长的比例，可以>1.

IoU (Intersection over Union)

Non-max suppression

解决同一个对象被多次检测到的情况, 去除那些可能性小的bounding box 只留下最可能的

Anchor Boxes

Anchor Boxes 是干什么的？- 使得可以检测多个Object.

为什么之前讲的就是一个cell 只能检测一个Object呢？因为一个y 向量里面只有一个bounding box.

学习过程了产生了一个问题，为什么一定要预定义一些Anchor Box呢？直接像只处理单个Object那样测量一个bounding box, 只不过对多个object的情况测量多个bounding box 不就行了吗？这里加一些个人理解，我觉得测量多个bounding box这样做也可以，本质上来说Anchor Box 就是bounding box, 只是Anchor Box 尺寸固定更加容易对input 图片标注. 纯属个人理解，希望有人看到这里指教一下.