目录
三、目标检测算法 object detection algorithm
一、目标定位
二、特征点检测（另一种思路）
标签特征点的顺序，在所有的样本数据集当中都必须一致
三、目标检测算法 object detection algorithm
滑动窗口的目标检测算法 the sliding windows detection algorithm
标签数据集：照一张照片，然后剪切，剪掉目标以外的部分，使目标居于中心位置，并基本占据整张图片，将标签设置为0/1
然后找一些同样处理过的图片，通过CNN进行训练，训练完毕之后，就可以通过滑动窗口目标检测算法
由于之前已经对卷积神经网络已经训练好了，这个时候取一个窗口，开始在所检测的图片上进行滑动，将图片上的这一窗口的图片传入训练好的CNN当中，预测判断整个窗口里有无目标，然后依次重复操作，直到划过窗口的每一个角落
调整滑动的速度，可以设置固定步幅进行遍历
但是有很明显的缺点：计算成本
在神经网络兴起之前，大家有用的都是比较简单的线性分类器，计算成本比较小，最后的效果也比较好，但是卷积神经网络的加入，倒是运行单个分类任务的成本高很多
四、卷积的滑动窗口实现
缺点：边界框的位置可能不太精确
五、Bounding Box预测（YOLO算法的精髓）
YOLO算法基本原理是，将图片划分为网格（这里以3×3为例），使用图像分类和定位算法，然后将算法应用到9个格子上，那么如何定义训练标签呢？
就以第一块中讲的那个例子来说，对于每一个网格指定一个标签y，y是8维向量，那么y=（pc，bx，by，bh，bw，c1，c2，c3），这里一共有9个格子，那么就有9个这样的标签向量。
如果遇到所检测的目标占据了多个格子，那么就找到目标的中心点（目标的中心点就是bx-by），看看这个中心点落在哪一个格子里，那么这个目标就是属于哪一个格子，所以即便一个对象横跨多个方格，最后也只会被分配到9个格子中的一个！所以9个格子中的任意一个格子都会得到8维输出向量，那么对于3×3的格子而言，就会得到目标输出3×3×8
在训练的时候，假设输入100×100×3的图像，那么就将图片通过CNN转化为3×3×8的输出，同3×3×8的标签进行计算损失
那么如果一个格子中有两个目标的中心点怎么办？在实际情况中，我们会将格子划分成19×19（或其他），这样两个中心点分配到一个格子的概率就小得多
对于这个算法而言，可以得到比较精确的框，同时，是对整个图像进行单次卷积，共享了很多数据，降低了计算成本，所以算法的效率很高，运行速度很快，可以达到实时识别
六、交并比 IOU
如何表现算法检测精度的效果好坏呢——交并比
七、非极大值抑制 non-max suppression
你的算法可能对同一个对象做出多次检测，非极大值抑制可以确保，你的算法对每个对象只检测一次，非极大值抑制意味着你只输出概率最大的分类结果
首先找到图中概率最大的一个矩形框，然后将整个矩形框保留下来，找到和整个矩形框交并比的其他几个矩形框，然后将其抑制，这样，一个对象就只会留下一个概率最大的矩形框，然后找到图片中第二高的概率（第二个对象），同上面的做法进行非极大值抑制
最后得到两个框！
八、锚框 Anchor Boxes
到目前为止，每个格子只能检测出一个对象，那么锚框可以做到一个格子检测到多个对象
我们一般手动给定5个到10个anchor box形状，覆盖不同的形状
九、YOLO算法
十、候选区域 Region proposals
用图像分割算法，找到可能存在对象的区域，进行窗口检测
大家可以看看这边的作业：
【中文】【吴恩达课后编程作业】Course 4 - 卷积神经网络 - 第三周作业 - 车辆识别
另外我会在实战中用pytorch来操作