3.9 YOLO算法-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 3.8 Anchor Boxes | 回到目录 | 3.10 候选区域 |
YOLO 算法 (Putting it together: YOLO algorithm)
你们已经学到对象检测算法的大部分组件了，在这个视频里，我们会把所有组件组装在一起构成YOLO对象检测算法。
我们先看看如何构造你的训练集，假设你要训练一个算法去检测三种对象，行人、汽车和摩托车，你还需要显式指定完整的背景类别。这里有3个类别标签，如果你要用两个anchor box，那么输出 yyy 就是3×3×2×8，其中3×3表示3×3个网格，2是anchor box的数量，8是向量维度，8实际上先是5（ pc,bx,by,bh,bwp_c,b_x,b_y,b_h,b_wpc,bx,by,bh,bw ）再加上类别的数量（ c1,c2,c3c_1,c_2,c_3c1,c2,c3 ）。你可以将它看成是3×3×2×8，或者3×3×16。要构造训练集，你需要遍历9个格子，然后构成对应的目标向量 yyy 。
所以先看看第一个格子（编号1），里面没什么有价值的东西，行人、车子和摩托车，三个类别都没有出现在左上格子中，所以对应那个格子目标 yyy 就是这样的， y=[0???????0???????]Ty=\left[\begin{matrix} 0 & ? & ? & ? & ? & ? & ? & ? & 0 & ? & ? & ? & ? & ? & ? & ? \end{matrix}\right]^Ty=[0???????0???????]T ，第一个anchor box的 pcp_cpc 是0，因为没什么和第一个anchor box有关的，第二个anchor box的 pcp_cpc 也是0，剩下这些值是don’t care-s。
现在网格中大多数格子都是空的，但那里的格子（编号2）会有这个目标向量 yyy ， y=[0???????1bxbybhbw010]Ty=\left[\begin{matrix} 0 & ? & ? & ? & ? & ? & ? & ? & 1 & b_x & b_y & b_h & b_w & 0 & 1 & 0 \end{matrix}\right]^Ty=[0???????1bxbybhbw010]T ，所以假设你的训练集中，对于车子有这样一个边界框（编号3），水平方向更长一点。所以如果这是你的anchor box，这是anchor box 1（编号4），这是anchor box 2（编号5），然后红框和anchor box 2的交并比更高，那么车子就和向量的下半部分相关。要注意，这里和anchor box 1有关的 pcp_cpc 是0，剩下这些分量都是don’t care-s，然后你的第二个 pc=1p_c=1pc=1 ，然后你要用这些（ bx,by,bh,bwb_x,b_y,b_h,b_wbx,by,bh,bw ）来指定红边界框的位置，然后指定它的正确类别是2( c1=0,c2=1,c3=0c_1=0,c_2=1,c_3=0c1=0,c2=1,c3=0 )，对吧，这是一辆汽车。
所以你这样遍历9个格子，遍历3×3网格的所有位置，你会得到这样一个向量，得到一个16维向量，所以最终输出尺寸就是3×3×16。和之前一样，简单起见，我在这里用的是3×3网格，实践中用的可能是19×19×16，或者需要用到更多的anchor box，可能是19×19×5×8，即19×19×40，用了5个anchor box。这就是训练集，然后你训练一个卷积网络，输入是图片，可能是100×100×3，然后你的卷积网络最后输出尺寸是，在我们例子中是3×3×16或者3×3×2×8。
接下来我们看看你的算法是怎样做出预测的，输入图像，你的神经网络的输出尺寸是这个3×3×2×8，对于9个格子，每个都有对应的向量。对于左上的格子（编号1），那里没有任何对象，那么我们希望你的神经网络在那里（第一个 pcp_cpc ）输出的是0，这里（第二个 pcp_cpc ）是0，然后我们输出一些值，你的神经网络不能输出问号，不能输出don’t care-s，剩下的我输入一些数字，但这些数字基本上会被忽略，因为神经网络告诉你，那里没有任何东西，所以输出是不是对应一个类别的边界框无关紧要，所以基本上是一组数字，多多少少都是噪音（输出 yyy 如编号3所示）。
和这里的边界框不大一样，希望 yyy 的值，那个左下格子（编号2）的输出 yyy （编号4所示），形式是，对于边界框1来说（ pcp_cpc ）是0，然后就是一组数字，就是噪音（anchor box 1对应行人，此格子中无行人， pc=0,bx=?,by=?,bh=?,bw=?,c1=?,c2=?,c3=?p_c=0,b_x=?,b_y=?,b_h=?,b_w=?,c_1=?,c_2=?,c_3=?pc=0,bx=?,by=?,bh=?,bw=?,c1=?,c2=?,c3=? ）。希望你的算法能输出一些数字，可以对车子指定一个相当准确的边界框（anchor box 2对应汽车，此格子中有车， pc=1,bx,by,bh,bw,c1=0,c2=1,c3=0p_c=1,b_x,b_y,b_h,b_w,c_1=0,c_2=1,c_3=0pc=1,bx,by,bh,bw,c1=0,c2=1,c3=0 ），这就是神经网络做出预测的过程。
最后你要运行一下这个非极大值抑制，为了让内容更有趣一些，我们看看一张新的测试图像，这就是运行非极大值抑制的过程。如果你使用两个anchor box，那么对于9个格子中任何一个都会有两个预测的边界框，其中一个的概率 pcp_cpc 很低。但9个格子中，每个都有两个预测的边界框，比如说我们得到的边界框是是这样的，注意有一些边界框可以超出所在格子的高度和宽度（编号1所示）。接下来你抛弃概率很低的预测，去掉这些连神经网络都说，这里很可能什么都没有，所以你需要抛弃这些（编号2所示）。
最后，如果你有三个对象检测类别，你希望检测行人，汽车和摩托车，那么你要做的是，对于每个类别单独运行非极大值抑制，处理预测结果所属类别的边界框，用非极大值抑制来处理行人类别，用非极大值抑制处理车子类别，然后对摩托车类别进行非极大值抑制，运行三次来得到最终的预测结果。所以算法的输出最好能够检测出图像里所有的车子，还有所有的行人（编号3所示）。
这就是YOLO对象检测算法，这实际上是最有效的对象检测算法之一，包含了整个计算机视觉对象检测领域文献中很多最精妙的思路。你可以在本周的编程作业中尝试现实这个算法，所以我希望你喜欢本周的编程练习，这里还有一个可选的视频，你们可以看，也可以不看，总之，我们下周见。
课程板书
| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 3.8 Anchor Boxes | 回到目录 | 3.10 候选区域 |
3.9 YOLO算法-深度学习第四课《卷积神经网络》-Stanford吴恩达教授相关推荐
- 深度学习第四课——卷积神经网络（week 1）
目录 一.前言 1.1 卷积 1.2 其他滤波器 1.3 Padding 1.3.1 解释 1.3.2 填充多少像素的选择 1.4 卷积步长 1.5 三维卷积 1.6 单层卷积网络 1.7 深度卷积神 ...
- 2.19 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 2.18 Logistic 损失函数的解释 回到目录 3.1 神经网络概览 文章目录 总结 习题 第 11 题 第 12 题 第 13 题 第 14 题 第 15 题 第 1 ...
- 4.11 一维到三维推广-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 4.10 风格代价函数 回到目录 4.12 总结 一维到三维推广 (1D and 3D Generalizations of Models) 你已经学习了许多关于卷积神经网络 ...
- 4.1 什么是人脸识别-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.11 总结 回到目录 4.2 One-Shot 学习 什么是人脸识别 (What is face recognition?) 欢迎来到第四周,即这门课卷积神经网络课程的最 ...
- 1.8 简单卷积网络示例-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 1.7 单层卷积网络 回到目录 1.9 池化层 简单卷积网络示例 (A Simple Convolution Network Example) 上节课,我们讲了如何为卷积网络 ...
- 机器学习和深度学习到底怎么学？顶尖专家吴恩达告诉你
机器学习和深度学习到底怎么学? 在外国版知乎上,有位网友问:新手如何学习机器学习?学习完MOOC的课程后有没有能力阅读研究论文或者真正的做出一点研究成果? 这个困惑很多人的问题吴恩达给出了详细的回答, ...
- 3.12 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.11 随机初始化 回到目录 4.1 深层神经网络 文章目录 总结 习题 第 21 题 第 22 题 第 23 题 第 24 题 第 25 题 第 26 题 第 27 题 ...
- 1.1 欢迎-深度学习第一课《神经网络与深度学习》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 无 回到目录 1.2 什么是神经网络 欢迎 第一个视频主要讲了什么是深度学习,深度学习能做些什么事情.以下是吴恩达老师的原话: 深度学习改变了传统互联网业务,例如如网络搜索和 ...
- 3.5 向量化实现的解释-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.4 多个例子中的向量化 回到目录 3.6 激活函数 向量化实现的解释 (Explanation for Vectorized Implementation) 在上一个视频 ...
最新文章
- 2018-3-14智能算法（文章--优化问题的智能算法及其哲学内涵）笔记一（什么是优化问题）
- Windown Server 2003
- Django 获取前端发送的头文件
- Ubuntu在当前目录下右键直接打开terminal终端
- 12月27日云栖精选夜读：实人认证 - 阿里云实人认证（公测）发布
- 2021-02-25
- 【终极方法】This method must return a result of type boolean
- elixir 高可用系列（五） Supervisor
- WinAPI: midiOutCachePatches - 预装音色
- skynet启动读取配置文件浅析(skynet_main.c)
- 开课吧：为什么指针被誉为C语言灵魂？
- CHIL-SQL-UPDATE 语句
- 离散数学及其应用 （第2版）
- 2022手机商城源码h5运营版本
- 29-地理空间数据云下载【进阶】
- java 无理数_Java 程序设计：有理数类
- Ubuntu和win10系统（N卡）
- UVa 1645 Count
- Zynq linux启动过程,详解zynq的启动步骤
- 蓝桥杯单片机第11届国赛程序题参考答案