目標檢測

目標檢測是計算機視覺領域中一個新興的應用方向。

目標定位

圖像分類是對圖像進行分類，比如判斷圖像中是否是車。定位分類不僅要圖片分類，而且需要確定目標在圖像中的哪個位置。目標檢測中要識別的對象不僅僅只有一個，目標檢測要識別圖像中多個對象。

自動駕駛需要用到目標檢測技術。給出一張汽車行駛中的圖片

我們需要判斷圖中1-是否有行人，2-是否有車，3-是否有摩托車，4-圖片是否只是背景圖，還需要判斷圖中汽車的位置。設圖片左上角的座標是(0,0)，右下角座標爲(1,1)。圖中汽車的中心點位置大概爲 (bx=0.5,by=0.7) $(b_x=0.5,b_y=0.7)$，汽車的長和高分別是 bw=0.3 $b_w=0.3$和 bh=0.4 $b_h=0.4$。我們訓練的神經網絡就要有兩種類型的輸出，一種是4種對象的檢測，另外一種是車的位置信息。

我們定義這張圖片的標籤y要包含下面幾個元素

y=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢pc(是否有對象)bxbybhbwc1(是否有行人)c2(是否有汽車)c3(是否摩託車)⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ $$y=\left[\begin{array}{c}{p}_c(\text{是否有對象})\\ b_x\\ b_y\\ b_h\\ b_w\\ c_1(\text{是否有行人})\\ c_2(\text{是否有汽車})\\ c_3(\text{是否摩托車})\end{array}\right]$$

如果圖片中有任意的對象，比如上圖，那麼

y=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢1bxbybhbw010⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ $$y=\left[\begin{array}{c}1\\ b_x\\ b_y\\ b_h\\ b_w\\ 0\\ 1\\ 0\end{array}\right]$$

如果圖片中什麼都沒有，那麼

y=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢0???????⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ $$y=\left[\begin{array}{c}0\\ ?\\ ?\\ ?\\ ?\\ ?\\ ?\\ ?\end{array}\right]$$

其中第一個元素置爲0，其它元素可以不用設置，因爲都沒有任何對象了，我們不關心其它的信息了。

目標定位的損失函數是

l(y^,y)={(y^1−y1)2+(y^2−y2)2+⋯+(y^8−y8)2(y^1−y1)2 if y1=1 if )2(y^1−y1)2 if y1=1 if y1=0 $$l(\hat{y},y)=\{\begin{array}{ll}({\hat{y}}_1-y_1{)}^2+({\hat{y}}_2-y_2{)}^2+\cdots +({\hat{y}}_8-y_8{)}^2& \text{ if }{y}_1=1\\ ({\hat{y}}_1-y_1{)}^2& \text{ if }{y}_1=0\end{array}$$

這裏簡單地使用了平方損失函數。

特徵點檢測

除了可以使用矩形框標出目標在圖片中的位置，還可以使用特徵點來表示目標的位置。

在人臉檢測中，可以使用特徵點來表示人臉的位置，或者具體的部位，比如眼睛，鼻子，嘴巴。
y^1−y1)2 if y1=1 if y1=0 $$l(\hat{y},y)=\{\begin{array}{ll}({\hat{y}}_1-y_1{)}^2+({\hat{y}}_2-y_2{)}^2+\cdots +({\hat{y}}_8-y_8{)}^2& \text{ if }{y}_1=1\\ ({\hat{y}}_1-y_1{)}^2& \text{ if }{y}_1=0\end{array}$$

這裏簡單地使用了平方損失函數。

特徵點檢測

除了可以使用矩形框標出目標在圖片中的位置，還可以使用特徵點來表示目標的位置。

在人臉檢測中，可以使用特徵點來表示人臉的位置，或者具體的部位，比如眼睛，鼻子，嘴巴。

樣本的標籤y是一個座標點的集合，第1個點表示左眼左側眼角，第2個點表示左眼右側眼角，第3個點表示右眼左側眼角，以此類推。

特徵點檢測有許多應用場景。比如說AR，在人的頭上顯示一個皇冠，需要得到人臉的特徵nline-block; position: relative; width: 0.925em; height: 0px;">y1