19.1 交并比
- 如果該目標(biāo)的真實(shí)邊界框已知,這里的“較好”該如何量化呢?
- 一種直觀的方法是衡量錨框和真實(shí)邊界框之間的相似度。
- Jaccard系數(shù)(Jaccard index)可以衡量?jī)蓚€(gè)集合的相似度。
-
給定集合A和B,它們的Jaccard系數(shù)即二者交集大小除以二者并集大?。?/p>
- 實(shí)際上,可以把邊界框內(nèi)的像素區(qū)域看成是像素的集合。
- 如此一來(lái),可以用兩個(gè)邊界框的像素集合的Jaccard系數(shù)衡量這兩個(gè)邊界框的相似度。
- 當(dāng)衡量?jī)蓚€(gè)邊界框的相似度時(shí),通常將Jaccard系數(shù)稱為交并比(Intersection over Union,IoU),即兩個(gè)邊界框相交面積與相并面積之比,如圖所示。
-
交并比的取值范圍在0和1之間:0表示兩個(gè)邊界框無(wú)重合像素,1表示兩個(gè)邊界框相等。
- 交并比是兩個(gè)邊界框相交面積與相并面積之比
-
19.2 標(biāo)注訓(xùn)練集的錨框
- 在訓(xùn)練集中,將每個(gè)錨框視為一個(gè)訓(xùn)練樣本
- 為了訓(xùn)練目標(biāo)檢測(cè)模型,需要為每個(gè)錨框標(biāo)注兩類標(biāo)簽:
- 一是錨框所含目標(biāo)的類別,簡(jiǎn)稱類別
- 二是真實(shí)邊界框相對(duì)錨框的偏移量,簡(jiǎn)稱偏移量(offset)
- 在目標(biāo)檢測(cè)時(shí),首先生成多個(gè)錨框,然后為每個(gè)錨框預(yù)測(cè)類別以及偏移量,接著根據(jù)預(yù)測(cè)的偏移量調(diào)整錨框位置從而得到預(yù)測(cè)邊界框,最后篩選需要輸出的預(yù)測(cè)邊界框
- 在目標(biāo)檢測(cè)的訓(xùn)練集中,每個(gè)圖像已標(biāo)注了真實(shí)邊界框的位置以及所含目標(biāo)的類別
-
在生成錨框之后,主要依據(jù)與錨框相似的真實(shí)邊界框的位置和類別信息為錨框標(biāo)注
- 標(biāo)注錨框的類別和偏移量
-
設(shè)錨框A及其被分配的真實(shí)邊界框B的中心坐標(biāo)分別為
-
A和B的寬分別為
-
高分別為
-
一個(gè)常用的技巧是將A的偏移量標(biāo)注為:
-
其中常數(shù)的默認(rèn)值為
如果一個(gè)錨框沒(méi)有被分配真實(shí)邊界框,只需將該錨框的類別設(shè)為背景。
類別為背景的錨框通常被稱為負(fù)類錨框,其余則被稱為正類錨框。
-
19.3 輸出預(yù)測(cè)邊界框
-
移除相似的預(yù)測(cè)邊界框:非極大值抑制(non-maximum suppression,NMS)。
- 非極大值抑制的工作原理:
- 對(duì)于一個(gè)預(yù)測(cè)邊界框B,模型會(huì)計(jì)算各個(gè)類別的預(yù)測(cè)概率。
- 設(shè)其中最大的預(yù)測(cè)概率為p,該概率所對(duì)應(yīng)的類別即B的預(yù)測(cè)類別。
- 將p稱為預(yù)測(cè)邊界框B的置信度
- 在同一圖像上,將預(yù)測(cè)類別非背景的預(yù)測(cè)邊界框按置信度從高到低排序,得到列表L。
- 從L中選取置信度最高的預(yù)測(cè)邊界框B1作為基準(zhǔn),將所有與B1的交并比大于某閾值的非基準(zhǔn)預(yù)測(cè)邊界框從L中移除。這里的閾值是預(yù)先設(shè)定的超參數(shù)。
- 此時(shí),L保留了置信度最高的預(yù)測(cè)邊界框并移除了與其相似的其他預(yù)測(cè)邊界框。
- 接下來(lái),從L中選取置信度第二高的預(yù)測(cè)邊界框B2作為基準(zhǔn),將所有與B2的交并比大于某閾值的非基準(zhǔn)預(yù)測(cè)邊界框從L中移除。
- 重復(fù)這一過(guò)程,直到L中所有的預(yù)測(cè)邊界框都曾作為基準(zhǔn)。
- 此時(shí)L中任意一對(duì)預(yù)測(cè)邊界框的交并比都小于閾值。
-
最終,輸出列表L中的所有預(yù)測(cè)邊界框。
大數(shù)據(jù)視頻推薦:
騰訊課堂
CSDN
大數(shù)據(jù)語(yǔ)音推薦:
企業(yè)級(jí)大數(shù)據(jù)技術(shù)應(yīng)用
大數(shù)據(jù)機(jī)器學(xué)習(xí)案例之推薦系統(tǒng)
自然語(yǔ)言處理
大數(shù)據(jù)基礎(chǔ)
人工智能:深度學(xué)習(xí)入門到精通












