标签：边界 18 锚框 图像 检测 目标 深度 视觉 宽高比

18.1 什么是目标检测

• 目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置
• 计算机视觉中关于图像识别有四大类任务：
  

18.1.1 目标检测要解决的核心问题

• 除了图像分类之外，目标检测要解决的核心问题是：
  • 目标可能出现在图像的任何位置。
  • 目标有各种不同的大小。
  • 目标可能有各种不同的形状。

18.1.2 目标检测和边界框

• 在图像分类任务里，假设图像里只有一个主体目标，并关注如何识别该目标的类别。
• 目标检测在多个领域中被广泛使用。例如：
  • 在无人驾驶里，需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。
  • 机器人也常通过该任务来检测感兴趣的目标。
  • 安防领域则需要检测异常目标，如歹徒或者炸弹。
    

18.2 边界框

• 在目标检测里，通常使用边界框（bounding box）来描述目标位置。
  • 边界框是一个矩形框，可以由矩形左上角的x和y轴坐标与右下角的x和y轴坐标确定。
    

18.3 锚框

• 目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框（ground-truth bounding box）
• 方法：
  • 它以每个像素为中心生成多个大小和宽高比（aspect ratio）不同的边界框。这些边界框被称为锚框（anchor box）
    

18.3.1 生成多个锚框

• 假设输入图像高为h，宽为w。

• 分别以图像的每个像素为中心生成不同形状的锚框。

• 设大小为
  

  • 且宽高比为r> 0，那么锚框的宽和高将分别为
    

  • 当中心位置给定时，已知宽和高的锚框是确定的。

• 下面分别设定好一组大小
  

• 如果以每个像素为中心时使用所有的大小与宽高比的组合，输入图像将一共得到whnm个锚框。

  • 虽然这些锚框可能覆盖了所有的真实边界框，但计算复杂度容易过高。
  • 因此，通常只对包含S1 or r1的大小与宽高比的组合感兴趣，即
    

• 也就是说，以相同像素为中心的锚框的数量为n+m-1

  • 对于整个输入图像，将一共生成wh(n+m-1)个锚框。

大数据视频推荐：
CSDN
大数据语音推荐：
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通

标签：边界,18,锚框,图像,检测,目标,深度,视觉,宽高比
来源： https://blog.csdn.net/m0_47454596/article/details/115543766

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。