目標(biāo)定位
使用算法判斷圖片中是不是目標(biāo)物體，如果是還要再圖片中標(biāo)出其位置并使用邊框標(biāo)記出來
圖片分類的思想可以幫助學(xué)習(xí)分類定位，而分類定位的思想又可以幫助學(xué)習(xí)對(duì)象檢測
a.分類定位問題，通常有一個(gè)較大的對(duì)象位于圖片中間位置。
b.對(duì)象檢測問題，圖片可以含有多個(gè)對(duì)象，或一張圖片中會(huì)有多個(gè)不同分類的對(duì)象。
圖片分類對(duì)分類定位的幫助：
對(duì)于普通的圖片分類網(wǎng)絡(luò)：
分類定位是在圖片分類網(wǎng)絡(luò)上加入了全連接層的輸出bx,by,bh,bw和一個(gè)分類標(biāo)簽（c1,c2,c3）
定義目標(biāo)標(biāo)簽y
元素含義：
a. 元素Pc:表示被檢測對(duì)象某一分類的概率（是否含有關(guān)心的要檢測的對(duì)象）。對(duì)于視頻提到的列子而言，要檢驗(yàn)車、摩托車、行人、景物。但是前三個(gè)檢測對(duì)象是我們關(guān)心的，那么如果出現(xiàn)則Pc為1；圖片為景物或者其他的則Pc為0。
b. 元素bx,by:為標(biāo)記邊框的中心位置坐標(biāo)，一般要（bx,by）表示。圖片左上角標(biāo)記為（0，0），右下角標(biāo)記為（1，1）。
c. 元素bh,bw:為標(biāo)記邊框的長高。bw為長，bh為高。
d. 元素c1,c2,c3.....cn:為分類標(biāo)簽，n對(duì)應(yīng)自己實(shí)際的分類標(biāo)簽個(gè)數(shù)。但是在c1,c2,c3.....cn中只有一個(gè)為1。視頻中關(guān)心的分類標(biāo)簽只有車，摩托車和行人，所以n只到3.
損失函數(shù)：
Pc為1時(shí)，損失值等于每個(gè)元素相應(yīng)差值的平方
Pc為0時(shí)，只需關(guān)注神經(jīng)網(wǎng)絡(luò)輸出Pc的準(zhǔn)確性，y1即為Pc
特征點(diǎn)檢測
神經(jīng)網(wǎng)絡(luò)可以通過輸出圖片上的特征點(diǎn)（x,y）坐標(biāo)，來實(shí)現(xiàn)對(duì)目標(biāo)特征的識(shí)別。
為了構(gòu)建這樣的網(wǎng)絡(luò)，你需要選定特征點(diǎn)的個(gè)數(shù)，并生成包含這些特征點(diǎn)的標(biāo)簽訓(xùn)練集圖片X和標(biāo)簽Y(這些特征都是人為辛苦標(biāo)記出來的)，然后利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練，輸出圖片中特征點(diǎn)的位置
目標(biāo)檢測
基于滑動(dòng)窗口構(gòu)目標(biāo)檢測算法
第一步：創(chuàng)建一個(gè)標(biāo)簽訓(xùn)練集，訓(xùn)練集為適當(dāng)剪切過的圖片樣本，使檢測對(duì)象位于中心位置，并且基本占據(jù)整張圖片
第二步：開始訓(xùn)練神經(jīng)網(wǎng)絡(luò),接下來使用這個(gè)網(wǎng)絡(luò)實(shí)現(xiàn)滑動(dòng)窗口檢測
第三步：滑動(dòng)窗口檢測
先選擇特定大小的窗口，以固定步幅滑動(dòng)窗口，遍歷截取圖像的每一個(gè)區(qū)域，把截取的小圖片輸入到上面訓(xùn)練過的卷積網(wǎng)絡(luò)中，對(duì)每個(gè)位置按0或1進(jìn)行分類（判斷截取圖片中是否存在待檢測對(duì)象）。選取更大的窗口重復(fù)以上操作。
以上的滑動(dòng)窗口算法，當(dāng)窗口太大或太小時(shí)都不好，計(jì)算成本大，效率低。只有使用極細(xì)粒度或極小步幅時(shí)，才能正確檢測出物體。--改進(jìn)：用卷積實(shí)現(xiàn)滑動(dòng)窗口算法。
1.把全連接層轉(zhuǎn)化為卷積層：
原理：從數(shù)學(xué)角度來看轉(zhuǎn)換的卷積層與全連接層一樣，400個(gè)節(jié)點(diǎn)中每一個(gè)節(jié)點(diǎn)都有一個(gè)5x5x16維度的過濾器，這些值都是上一層這些5X5X16激活值經(jīng)過某個(gè)任意線性函數(shù)的輸出結(jié)果。
全連接模型：
改為卷積層：把FC全連接層轉(zhuǎn)化為使用16個(gè)5x5過濾器實(shí)現(xiàn)，之后的FC層使用400個(gè)1x1過濾器實(shí)現(xiàn)（最后一個(gè)1x1過濾器處理如同F(xiàn)C的softmax函數(shù)）。
通過卷積實(shí)現(xiàn)滑動(dòng)窗口對(duì)象檢測算法：
?對(duì)于單個(gè)卷積實(shí)現(xiàn)過程：
卷積滑動(dòng)窗口實(shí)現(xiàn)過程：卷積滑動(dòng)其實(shí)可以把窗口看成卷積神經(jīng)網(wǎng)絡(luò)的過濾器，滑動(dòng)的步長即為過濾器的步長。這樣我們就不需要把輸入圖片進(jìn)行分割了而是把其當(dāng)成一整張圖片輸入卷積網(wǎng)絡(luò)進(jìn)行計(jì)算，其中公共區(qū)域可以共享很多計(jì)算。
YOLO算法思想
基本的滑動(dòng)窗口對(duì)象檢測算法并不能精準(zhǔn)描繪邊框，所以我們要學(xué)習(xí)一個(gè)能夠得到準(zhǔn)確邊框的算法YOLO（You Only Look Ones）算法。
?算法思想：在圖片上放置n*n的網(wǎng)格，并將圖像分類和定位算法運(yùn)用到每個(gè)網(wǎng)格上面去。
與滑動(dòng)窗口對(duì)象檢測算法的區(qū)別：
a.窗口滑動(dòng)由放置網(wǎng)格取代，YOLO算法會(huì)對(duì)每個(gè)網(wǎng)格使用圖像分類和圖像定位算法，相比滑動(dòng)窗口會(huì)大大的減少了運(yùn)算量。
b.一個(gè)對(duì)象可能在多個(gè)網(wǎng)格中，YOLO算法會(huì)找到該對(duì)象的中心點(diǎn)，并把對(duì)象分給包含中心的網(wǎng)格。（bh,bw是可以大于網(wǎng)格大小，實(shí)踐中會(huì)使用更精細(xì)的網(wǎng)格去分割，所以對(duì)象可能會(huì)橫跨多個(gè)網(wǎng)格）
c.顯示的輸出邊界框架，讓神經(jīng)網(wǎng)絡(luò)輸出的框架可以具有任意的寬高比，并且能輸出更精確的坐標(biāo)。
YOLO算法的輸出
由于YOLO算法是對(duì)每個(gè)網(wǎng)格進(jìn)行運(yùn)行，在視頻給出的例子中輸出結(jié)果3*3*8
3*3是圖片的分割的網(wǎng)格數(shù)量
8是輸出圖片預(yù)測和邊框位置等信息，其實(shí)就等于給出的標(biāo)簽y的具體信息：
