[DeeplearningAI笔记]卷积神经网络3.6-3.9交并比/非极大值抑制/Anchor boxes/YOLO算法

4.3目标检测

觉得有用的话,欢迎一起讨论相互学习~

吴恩达老师课程原地址

3.6交并比intersection over union

• 交并比函数(loU)可以用来评价对象检测算法，可以被用来进一步改善对象检测算法的性能。
• 如何评价一个算法的好坏，即如图中假设红色框线表示 真实的对象所在边界框，紫色框线表示 模型预测的对象所在边界框.通过计算两个边界框交集和并集的比用于评价对象检测算法的好坏。
  
• 在对象检测的算法中，如果IoU>0.5则认为检测正确。0.5是人为定义的阈值，也可以定义为0.5及以上的值

---

3.7非极大值抑制Non-max suppression

• 在以上介绍的对象检测的算法中，存在模型可能对同一个对象做出多次检测的状况。非极大值抑制(non-max suppression)可以确保算法对每个对象仅检测一次。

非极大值抑制算法Non-max suppression

• 对于如图的对象检测，使用(19*19)的网格，在进行预测的同时，两辆车中心旁的其他网格也会认为目标对象的中心点在其中。如图绿色和黄色方框中显示。
  
  
• 为了清理多余或错误的检测结果，使用非极大值抑制算法Non-max suppression
  • 只输出概率最大的分类结果--即挑选出检测(p_c)最大的边框，而其余和该边框IoU(交并比)很高的其他边框则会认为是在检测同一对象，则另外的和最大(P_c)边框IoU很大的边框都会变暗。
  • 

非极大值抑制算法Non-max suppression实现细节

1. 假设只检测汽车这一个对象，所以去掉目标标签向量中的(c_{1},c_{2},c_{3})
2. 去掉所有(p_{c}le0.6)的边框，抛弃所有概率比较低的输出边界框。
   while 还有边界框剩下:
3. 在剩下的没有被抛弃的边界框中一直挑选(p_{c})最高的边界框
4. 在剩下的边界框中将与最高(p_{c})有较大IoU((IoUge0.5))的边界框全部抛弃

• 如果要检测的对象不止汽车一个，还有行人和自行车的对象，正确的做法是:独立进行三次非最大值抑制，对每个输出类别都进行一次

---

3.8Anchor Boxes

• 先前介绍的方法只能使格子检测出一个对象，如果想要一个格子检测出多个对象-- anchor box

参考文献
Redmon J, Divvala S, Girshick R, et al. You Only Look Once: Unified, Real-Time Object Detection[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2016:779-788.

• 使用(3*3)的网格检测图中的对象，注意行人的中点和汽车的中点几乎都在同一个地方，两者都落入同一个格子中。使用原先的目标标签，只能选择两个类别中的一个进行识别。
  

• 此时可以使用Anchor策略--即使用特定形状的Anchor box 作为边界框，则策略需要把预测结果与anchor boxes 关联起来。以处理两个识别对象的中心点落入同一个网格中的情况。

  • 则此时边界框的目标标签可以被编码为:
  [egin{equation} A=left[ egin{matrix} p_{c}\ b_{x}\ b_{y}\ b_{h}\ b_{w}\ c_{1}\ c_{2}\ c_{3}\ p_{c}\ b_{x}\ b_{y}\ b_{h}\ b_{w}\ c_{1}\ c_{2}\ c_{3}\ end{matrix} ight] left[ egin{matrix} anchor box1\ 使用0和1表示网格中是否有目标物体\ 边框中心点横坐标值的范围在(0,1)之间\ 边框中心点纵坐标的范围在(0,1)之间\ 边框高可以大于1，因为有时候边框会跨越到另一个方格中\ 边框宽可以大于1，因为有时候边框会跨越到另一个方格中\ 行人\ 汽车\ 摩托车\ anchor box2\ 使用0和1表示网格中是否有目标物体\ 边框中心点横坐标值的范围在(0,1)之间\ 边框中心点纵坐标的范围在(0,1)之间\ 边框高可以大于1，因为有时候边框会跨越到另一个方格中\ 边框宽可以大于1，因为有时候边框会跨越到另一个方格中\ 行人\ 汽车\ 摩托车\ end{matrix} ight] end{equation}]

  
  

• 单目标图像检测算法--对于训练集图像中的每个对象，都根据对象的中点的位置，分配到对应的格子中。所以输出y是(3*3*8), 使用anchor boxes 策略，每个对象不仅和之前一样被分配到同一个格子中，还被分配到对象形状交并比最高的anchor boxes中，假设只检测图片中的两个对象则输出y为(3*3*16)

Note:Anchor boxes算法处理不好的情况

• 两个对象的中点在同一个网格中，并且使用 同一种形状 的Anchor Boxes检测
• 有超过两个的对象的中点在同一个网格中。

---

3.9YOLO算法

• 参数设置:

  • 3种识别类别:1.pedestrianx行人 2.car车 3.motorcycle 摩托车-->(c_{1},c_{2},c_{3})
  • (3*3)识别网格
  • 两种识别anchor boxes-->(b_{x},b_{y},b_{h},b_{w})

  

• 运行非极大值抑制:

  • 使用两个anchor boxes,那么对于9个格子中的任何一个都会有两个预测的边界框。
    
  • 抛弃概率低的预测，即模型认为这个网格中什么都没有的边界框。
    
  • 对于三种检测目标--行人，机动车，摩托车，对于每个类别单独运行非最大值抑制。