目标检测（Object detection）

*目标定位（Object localization）
*特征点检测（Landmark detection）
*目标检测（Object detection）
*卷积的滑动窗口实现
*YOLO算法
*非极大值抑制
*Anchor Boxes

一、目标定位（Object localization）

多个不同分类的对象。因此，图片分类的思路可以帮助学习分类定位，而对象定位的思路又有助于学习对象检测，我们先从分类和定位开始讲起。

分类定位:


目标标签????:

图片中没有检测对象的情况:

神经网络的损失函数:

二、特征点检测（Landmark detection）


标签训练集（人为辛苦标注 ）:

三、目标检测（Object detection）
汽车检测:

滑动窗口目标检测算法:

总有一个窗口可以检测到汽车:

滑动窗口目标检测算法的缺点:

四、卷积的滑动窗口实现
4分类（行人、汽车、摩托车和背景）:

卷积的滑动窗口实现:

五、YOLO算法

YOLO算法:


指定边界框:

六、非极大值抑制
交并比:

非极大值抑制:


非极大抑制是怎么起效的？:
我们分步介绍一下非极大抑制是怎么起效的，因为你要在361个格子上都运行一次图像检测和定位算法，那么可能很多格子都会举手说我的????????，我这个格子里有车的概率很高，而不是361个格子中仅有两个格子会报告它们检测出一个对象。所以当你运行算法的时候，最后可能会对同一个对象做出多次检测，所以非极大值抑制做的就是清理这些检测结果。这样一辆车只检测一次，而不是每辆车都触发多次检测。
所以这就是非极大值抑制，非最大值意味着你只输出概率最大的分类结果，但抑制很接近，但不是最大的其他预测结果，所以这方法叫做非极大值抑制。

七、Anchor Boxes


训练:

预测: