第四部分 目标检测 2 笔记

3.5 Bounding box预测

Bounding box predictions

YOLO algorithm(you only look once) —— 更精确的边界框检测算法。

假设输入的图像大小为100x100，将图像划分为等大的方块，例如19x19的网格，为了简单起见，以3x3的网格举例。每个格子对应一个标签y，如3.1所述，每个y都是8维的，形式如y = [pc,bx,by,bh,bw,c1,c2,c3]。那么该图像3x3的网格对应的标签Y的维度是3x3x8。

每个格子(从左往右，从上往下)的标签示意：

1、格子1，没有对象。pc = 0 对应y = [0,?,?,?,?,?,?,?]

2、格子4，有对象。pc = 1 对应y = [1,bx,by,bh,bw,0,1,0]。

如何判断格子是否有对象？边界框的中点落在格子总，表明该格子内有对象，并且中点只会落在一个格子中，即一个对象只会对应应该格子，即使其边界框会跨越多个格子。

由于算法引入了格子，边界框对应的四元素bx,by,bh,bw，其计算尺度也是相应于对应格子的位置即尺寸。

YOLO与图像分类和定位算法非常像，首先它显式地输出边界框坐标，可以具有任意宽高比，并且能输出更精确的坐标，不会受到滑动窗口分类器的步长大小限制。其次，这是一个卷积实现，并没有在3×3网格上跑9次算法，或者，如果用的是19×19的网格，19平方是361次，所以不需要让同一个算法跑361次。相反，这是单次卷积实现，但使用了一个卷积网络，有很多共享计算步骤，在处理这3×3计算中很多计算步骤是共享的，所以YOLO效率很高(real time)。 YOLO是一个卷积实现，实际上它的运行速度非常快，可以达到实时识别。

3.6 交并比

Intersection over union

在对象检测任务中，希望能够同时定位对象，假设预测边界框是紫色的边界框，如何判断结果是好还是坏？可以用交并比来衡量。

交并比（loU）函数做的是计算两个边界框交集和并集之比。两个边界框的并集就是属于包含两个边界框区域（绿色阴影表示区域），而交集就是这个比较小的区域（橙色阴影表示区域），那么交并比就是交集的大小，这个橙色阴影面积，然后除以绿色阴影的并集面积。

一般约定，在计算机检测任务中，如果loU≥0.5，则检测正确，如果预测器和实际边界框完美重叠，loU就是1，因为交集就等于并集。但一般来说只要loU≥0.5，那么结果是可以接受的，看起来还可以。一般约定，0.5是阈值，用来判断预测的边界框是否正确。IoU设定的越高，越严格，相应的边界框越精确。

3.7 非极大值抑制

Non-max suppression

理论上这辆车只有一个中点，所以它应该只被分配到一个格子里，左边的车子也只有一个中点，所以理论上应该只有一个格子做出有车的预测。

实践中当运行对象分类和定位算法时，对于每个格子都运行一次，所以这个格子（编号1）可能会认为这辆车中点应该在格子内部，这格子（编号2、3）也会这么认为。对于左边的车子也一样。

当运行算法的时候，最后可能会对同一个对象做出多次检测，所以非极大值抑制做的就是清理这些检测结果。这样一辆车只检测一次，而不是每辆车都触发多次检测。 非极大值抑制，非最大值意味着只输出概率最大的分类结果，但抑制很接近(根据loU值)，但不是最大的其他预测结果，所以这方法叫做非极大值抑制。

算法流程:

1、针对每个格子的预测输出，舍弃pc小于0.6的边界框。

2、选择剩下边界框对应概率pc最大的，将其作为一个预测结果。

3、舍弃与2中边界框交并比大于等于0.5的边界框(抑制)。

4、重复2-3，知道所有边界框都被处理。

当同时检测多种对象时，需要独立进行多次非极大值抑制。

阅读剩余 24%