目標(biāo)檢測(cè)（Object detection）
學(xué)過了對(duì)象定位和特征點(diǎn)檢測(cè)，今天我們來構(gòu)建一個(gè)對(duì)象檢測(cè)算法。這節(jié)課，我們將學(xué)習(xí)如何通過卷積網(wǎng)絡(luò)進(jìn)行對(duì)象檢測(cè)，采用的是基于滑動(dòng)窗口的目標(biāo)檢測(cè)算法。
假如你想構(gòu)建一個(gè)汽車檢測(cè)算法，步驟是(以上圖為例），
首先創(chuàng)建一個(gè)標(biāo)簽訓(xùn)練集，也就是x和y表示適當(dāng)剪切的汽車圖片樣本，這張圖片（編號(hào)1）x是一個(gè)正樣本，因?yàn)樗且惠v汽車圖片，這幾張圖片（編號(hào)2、3）也有汽車，但這兩張（編號(hào)4、5）沒有汽車。出于我們對(duì)這個(gè)訓(xùn)練集的期望，你一開始可以使用適當(dāng)剪切的圖片，就是整張圖片x幾乎都被汽車占據(jù)，你可以照張照片，然后剪切，剪掉汽車以外的部分，使汽車居于中間位置，并基本占據(jù)整張圖片。
有了這個(gè)標(biāo)簽訓(xùn)練集，你就可以開始訓(xùn)練卷積網(wǎng)絡(luò)了，輸入這些適當(dāng)剪切過的圖片（編號(hào)6），卷積網(wǎng)絡(luò)輸出y，0或1表示圖片中有汽車或沒有汽車。訓(xùn)練完這個(gè)卷積網(wǎng)絡(luò)，就可以用它來實(shí)現(xiàn)滑動(dòng)窗口目標(biāo)檢測(cè)，具體步驟如下。
假設(shè)這是一張測(cè)試圖片，首先選定一個(gè)特定大小的窗口，比如圖片下方這個(gè)窗口，將這個(gè)紅色小方塊輸入卷積神經(jīng)網(wǎng)絡(luò)，卷積網(wǎng)絡(luò)開始進(jìn)行預(yù)測(cè)，即判斷紅色方框內(nèi)有沒有汽車。
滑動(dòng)窗口目標(biāo)檢測(cè)算法(哎，這個(gè)是重點(diǎn))接下來會(huì)繼續(xù)處理第二個(gè)圖像，即紅色方框稍向右滑動(dòng)之后的區(qū)域，并輸入給卷積網(wǎng)絡(luò)，因此輸入給卷積網(wǎng)絡(luò)的只有紅色方框內(nèi)的區(qū)域，再次運(yùn)行卷積網(wǎng)絡(luò)，然后處理第三個(gè)圖像，依次重復(fù)操作，直到這個(gè)窗口滑過圖像的每一個(gè)角落。
為了滑動(dòng)得更快，我這里選用的步幅比較大，思路是以固定步幅移動(dòng)窗口，遍歷圖像的每個(gè)區(qū)域，把這些剪切后的小圖像輸入卷積網(wǎng)絡(luò)，對(duì)每個(gè)位置按0或1進(jìn)行分類，這就是所謂的圖像滑動(dòng)窗口操作。
重復(fù)上述操作，不過這次我們選擇一個(gè)更大的窗口，截取更大的區(qū)域，并輸入給卷積神經(jīng)網(wǎng)絡(luò)處理，你可以根據(jù)卷積網(wǎng)絡(luò)對(duì)輸入大小調(diào)整這個(gè)區(qū)域，然后輸入給卷積網(wǎng)絡(luò)，輸出0或1。
再以某個(gè)固定步幅滑動(dòng)窗口，重復(fù)以上操作，遍歷整個(gè)圖像，輸出結(jié)果。
然后第三次重復(fù)操作，這次選用更大的窗口。
如果你這樣做，不論汽車在圖片的什么位置，總有一個(gè)窗口可以檢測(cè)到它。
比如，將這個(gè)窗口（編號(hào)1）輸入卷積網(wǎng)絡(luò)，希望卷積網(wǎng)絡(luò)對(duì)該輸入?yún)^(qū)域的輸出結(jié)果為1，說明網(wǎng)絡(luò)檢測(cè)到圖上有輛車。
這種算法叫作滑動(dòng)窗口目標(biāo)檢測(cè)（咳咳，重點(diǎn)啊，同學(xué)們~），因?yàn)槲覀円阅硞€(gè)步幅滑動(dòng)這些方框窗口遍歷整張圖片，對(duì)這些方形區(qū)域進(jìn)行分類，判斷里面有沒有汽車。
滑動(dòng)窗口目標(biāo)檢測(cè)算法也有很明顯的缺點(diǎn)，就是計(jì)算成本，因?yàn)槟阍趫D片中剪切出太多小方塊，卷積網(wǎng)絡(luò)要一個(gè)個(gè)地處理。如果你選用的步幅很大，顯然會(huì)減少輸入卷積網(wǎng)絡(luò)的窗口個(gè)數(shù)，但是粗糙間隔尺寸可能會(huì)影響性能。反之，如果采用小粒度或小步幅，傳遞給卷積網(wǎng)絡(luò)的小窗口會(huì)特別多，這意味著超高的計(jì)算成本。
所以在神經(jīng)網(wǎng)絡(luò)興起之前，人們通常采用更簡(jiǎn)單的分類器進(jìn)行對(duì)象檢測(cè)，比如通過采用手工處理工程特征的簡(jiǎn)單的線性分類器來執(zhí)行對(duì)象檢測(cè)。至于誤差，因?yàn)槊總€(gè)分類器的計(jì)算成本都很低，它只是一個(gè)線性函數(shù)，所以滑動(dòng)窗口目標(biāo)檢測(cè)算法表現(xiàn)良好，是個(gè)不錯(cuò)的算法。
然而，卷積網(wǎng)絡(luò)運(yùn)行單個(gè)分類人物的成本卻高得多，像這樣滑動(dòng)窗口太慢。除非采用超細(xì)粒度或極小步幅，否則無法準(zhǔn)確定位圖片中的對(duì)象。
不過，慶幸的是，計(jì)算成本問題已經(jīng)有了很好的解決方案，大大提高了卷積層上應(yīng)用滑動(dòng)窗口目標(biāo)檢測(cè)器的效率。
具體是怎么解決的呢？
預(yù)知詳情，請(qǐng)聽下次講解~
