目标检测入门_下（吴恩达老师深度学习课程笔记）
目录
交互比（Intersection over union）
交互比可以用来判断检测算法的好坏
黄色面积除以绿色面积，IoU的面积＞0.5（阈值），则检测正确。
非极大值抑制（Non-max suppression）
假设需要在这张图片里检测汽车，按照上个博客中提到的bounding box方法，假设上面放个19×19网格，这辆车只有一个中点，所以理论上应该只有一个格子做出有车的预测。但是在实践中，对于每个格子都运行一次目标定位算法，会可能让多个格子都认为这个车的中点在这个格子内，即最后可能会对同一个对象做出多次检测，而非极大值抑制就是确保一辆车只检测一次，而不是每辆车都触发多次检测。
具体做法：这里的公式简化了，假设只检测一类C1，所以Pc直接用C1代替，Pc表示是C1类别的概率（实际上是Pc乘以c1 、c2 或c3 ）。
先把概率小于0.6的预测格子删除(这样可以加快运算速度),如下图。
注 ：这里蓝色框可以大于划分的小格，是因为bw,bh可以大于1(上篇博客有讲)。
接下来剩下的边界框，就一直选择概率Pc最高的边界框，然后把它输出成预测结果（高亮），同时把剩下边界框与下图高亮的边界框有高IoU值的边框去掉。
这里的一直选择很重要，等于是先选出概率为0.9的这个框，然后通过非极大值抑制（即去除高IoU），去除面包车旁的两个框，然后再剩下的框中选择概率为0.8的框，然后循环迭代，直到没有多余的框。
这样就实现了每次只用一个框识别出一个车，每个车都只被检测一次，如果直接选择最高概率的框，这只能一张图中只能检测到一辆汽车了。
Anchor Boxes
让一个格子检测出多个对象的方法。
假设要分类两个目标，车和行人，则预先定义几个不同形状的anchor box（人工设定，也有自动的一些算法），这里举例两个，然后输出的Y则是之前两个y合并的向量。
之前Y的输出是3×3×8，现在有两个anchor box后，Y的输出是3×3×16，预测出的两个框（紫色），和标记的红框相比，选择IoU(交互比)高的作为预测框。
YOLO算法
构造训练集：
（定义了两个anchor box）
实践中，会把格子划分的更小如19×19，anchor box设置的更多如5个
中间的省略号是 卷积神经网络（其中全连接层用卷积层代替，所以可以输出一个3×3×16的张量，表示有3×3个y）
YOLO检测过程
首先每个格子预测出两个anchor box
然后去掉概率值低的anchor box
然后对每个分类目标运行非极大值抑制方法得到最终的预测结果。
候选区域（Region proposals ）
典型代表是著名的R-CNN的算法，意思是带区域的卷积神经网络。这个算法尝试选出一些区域，在这些区域上运行卷积网络分类器是有意义的，而不需要对整个图像的每个格子都运行检测算法，而是只选择一些窗口，在少数窗口上运行卷积神经网络。
选出候选区域的方法是运行图像分割算法，分割出不同的色块，然后在每个色块上运行分类器，最后输出一个标签和边界框。
但实际上会分割出很多色块，导致R-CNN算法太慢了，所以这些年来有一些对R-CNN算法的改进工作
例如 —
fast R-CNN，在分割出的每个色块中运行卷积实现的滑动窗口（即没有全连接层）。
faster R-CNN，使用卷积神经网络而不是传统的分割算法来获得候选区域色块。
注：吴恩达老师认为大多数Faster R-CNN的算法实现还是比YOLO算法慢很多，虽然候选区域是一个有趣的想法，但这个方法需要两步，首先得到候选区域，然后再分类，这不如YOLO可以只看一次更直接。