目标检测

目标检测是计算机视觉领域中一个新兴的应用方向。

目标定位

图像分类是对图像进行分类，比如判断图像中是否是车。定位分类不仅要图片分类，而且需要确定目标在图像中的哪个位置。目标检测中要识别的对象不仅仅只有一个，目标检测要识别图像中多个对象。

自动驾驶需要用到目标检测技术。给出一张汽车行驶中的图片

我们需要判断图中1-是否有行人，2-是否有车，3-是否有摩托车，4-图片是否只是背景图，还需要判断图中汽车的位置。设图片左上角的坐标是(0,0)，右下角坐标为(1,1)。图中汽车的中心点位置大概为 (bx=0.5,by=0.7) $(b_x=0.5,b_y=0.7)$，汽车的长和高分别是 bw=0.3 $b_w=0.3$和 bh=0.4 $b_h=0.4$。我们训练的神经网络就要有两种类型的输出，一种是4种对象的检测，另外一种是车的位置信息。

我们定义这张图片的标签y要包含下面几个元素

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

如果图片中有任意的对象，比如上图，那么

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

如果图片中什么都没有，那么

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

其中第一个元素置为0，其它元素可以不用设置，因为都没有任何对象了，我们不关心其它的信息了。

目标定位的损失函数是

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

这里简单地使用了平方损失函数。

特征点检测

除了可以使用矩形框标出目标在图片中的位置，还可以使用特征点来表示目标的位置。

在人脸检测中，可以使用特征点来表示人脸的位置，或者具体的部位，比如眼睛，鼻子，嘴巴。
y^1−y1)2 if y1=1 if y1=0 $$l(\hat{y},y)=\{\begin{array}{ll}({\hat{y}}_1-y_1{)}^2+({\hat{y}}_2-y_2{)}^2+\cdots +({\hat{y}}_8-y_8{)}^2& \text{ if }{y}_1=1\\ ({\hat{y}}_1-y_1{)}^2& \text{ if }{y}_1=0\end{array}$$

这里简单地使用了平方损失函数。

特征点检测

除了可以使用矩形框标出目标在图片中的位置，还可以使用特征点来表示目标的位置。

在人脸检测中，可以使用特征点来表示人脸的位置，或者具体的部位，比如眼睛，鼻子，嘴巴。

样本的标签y是一个坐标点的集合，第1个点表示左眼左侧眼角，第2个点表示左眼右侧眼角，第3个点表示右眼左侧眼角，以此类推。

特征点检测有许多应用场景。比如说AR，在人的头上显示一个皇冠，需要得到人脸的特征nline-block; position: relative; width: 0.925em; height: 0px;">y1