3.1 目标定位(Object localization)
Last updated
Last updated
定位分类问题:不仅要用算法判断图片中是不是一辆汽车,还要在图片中标记出它的位置,用边框或红色方框把汽车圈起来,“定位”的意思是判断汽车在图片中的具体位置
定位分类问题通常只有一个较大的对象位于图片中间位置,对它进行识别和定位。对象检测问题中图片可以含有多个对象,甚至单张图片中会有多个不同分类的对象
构建汽车自动驾驶系统,对象可能包括以下几类:行人、汽车、摩托车和背景
定位图片中汽车的位置:让神经网络输出一个边界框,标记为,,和,是被检测对象的边界框的参数化表示
红色方框的中心点表示为(,),边界框的高度为,宽度为。训练集不仅包含神经网络要预测的对象分类标签,还要包含表示边界框的这四个数字,接着采用监督学习算法,输出一个分类标签,还有四个参数值,从而给出检测对象的边框位置
如何为监督学习任务定义目标标签 :
目标标签的定义:
表示是否含有对象,如果对象属于前三类(行人、汽车、摩托车),则,如果是背景,则。表示被检测对象属于某一分类的概率,背景分类除外
如果检测到对象,就输出被检测对象的边界框参数、、和。,同时输出、和,表示该对象属于行人,汽车还是摩托车
如果图片中没有检测对象:
神经网络的损失函数,如果采用平方误差策略:
损失值等于每个元素相应差值的平方和
,的其它参数全部写成问号,表示“毫无意义”的参数
如果图片中存在定位对象,,损失值是不同元素的平方和
,损失值是,只需要关注神经网络输出的准确度
这里用平方误差简化了描述过程。实际应用中可以不对、、和softmax激活函数应用对数损失函数,并输出其中一个元素值,通常做法是对边界框坐标应用平方差,对应用逻辑回归函数,甚至采用平方预测误差