一、分類、定位和檢測

簡單來說，分類、定位和檢測的區別如下：

1. 分類：是什麼？

2. 定位：在哪裡？是什麼？（單個目標）

3. 檢測：在哪裡？分別是什麼？（多個目標）

(1)目標分類	(2)目標定位	(3)目標檢測

二、目標定位：

1）案例1：在構建自動駕駛時，需要定位出照片中的行人、汽車、摩托車和背景，即四個類別。

輸出：

1，2，3為要檢測的行人、汽車、摩托車， Pc=1

4為背景， Pc

 Pc：首先第一個元素p_c=1表示有要定位的物體的概率，即是有1，2，3類的概率，否則p_c=0表示只有背景第4類如上圖的第二個圖。

bx，by,bh，bw：這四個輸出元素表示定位框的中心座標bx，by和寬高bh，bw

c1,c2,c3：3個輸出元素one-hot表示是三個類別（1，2，3）中的哪一類。

當第一個元素p_c=0時表示是背景，然後就不需要考慮其他輸出了

損失函式：

輸出向量中有8個元素：故：

if y1 =1 ，L = （y'₁-y₁)² + (y'₂-y₂)² + ……+（y'₈-y₈)²

if y1 = 0，L = （y'₁-y₁)²

實際使用中p_c使用邏輯迴歸，c₁

三、特徵點檢測：

特徵點檢測就是第一個單元輸出1，表示有這個物件（如人臉），

然後如果在人臉上定義了64個特徵點（如下圖所示），每個特徵點用（x,y）表示，那麼網路將會有1+2*68=129個單元輸出。

需要注意的一點是在標註樣本時，所有標籤在所有圖片中務必保持一致，比如說，第5個特徵點表示左眼的外眼角，那麼所有圖片的第五個特徵點都應該是這個。

四、目標檢測：滑動視窗、YOLO演算法【更好解決邊界】

https://www.cnblogs.com/ys99/p/9326637.html

傳統的視窗滑動：將圖片切割成很多小視窗，然後進行目標檢測。直到某個小視窗檢測到目標。

卷積的滑動視窗實現：在原輸入補上邊，在進行卷積操作，得到結果。

例如：

原輸入是14*14*3，輸出是1*1*4【4個分類】。傳統的滑動視窗是將原輸入切成4個，每個大小為12*12*3。經過重複4次卷積操作得到4個1*1*4。

卷積的滑動視窗：將原輸入補成16*16*3，輸出為2*2*4。只需要經過一次卷積操作就可以得到和4個1*1*4相同的結果2*2*4=2*2*（1*1*4）。

交併比函式是用來判斷物件定位是否準確，IoU=（A∩B）/（A∪B），一般將交併比的值大於0.5看成是檢測正確的，當然這個值可以根據實際情況來定。