图像处理任务

分类，定位，检测，图像分割辨析：

定位：

每张图片只有单个对象（可以有多个类），后面有提到，一般只要是固定个对象即可，不一定是一个（人体姿势判断部分）由于实现相对简单，所以能划分为定位任务时尽量划分为定位任务

检测：

每张图片可以有多个对象和多个类

分割：

不是简单的画框，而是围出轮廓，本节不予讨论

图像分类&定位

定位任务引入

和分类任务输出一个代表类标签的向量不同，定位任务输出的是描述框的四个数字，而网络评估不使用准确率而使用IOU。【注】IOU定义如下：

矩形框A、B的一个重合度IOU计算公式为：

IOU=(A∩B)/(A∪B)

定位任务idea：回归任务

像训练回归任务一样训练定位任务：

• 神经网络输出4个值
• 标准值也有四个（样本）
• 计算L2损失（平方和损失）
• 反向传播优化神经网络。

定位任务实践：

首先训练&下载一个分类模型（使用迁移学习的概念）

修改全链接层的结构：使N分类的最后一层输出改为输出4个数字。

使用数据集训练新的网络。

在测试时同时经过两个网络，实现分类&定位。

定位任务思考

回归层输出值修改：

不同的回归层，假设是C分类问题：

• 分类网络输出C个数字
• 定位网络输出4个数字，即训练不针对特定类别
• 定位网络输出C*4个数字，即每个类对应一个框（损失计算有修改，但是老师没有说明）

回归层位置修改：

两种思路：

• 卷积层之后直接加回归层
• 全链接层之后再加回归层（去掉输出层后修改，和前面介绍类似）

定位任务拓展

多目标定位：定位一个对象和他的子对象（个人理解是因为一个特定类对象的子对象种类数目是确定的，可以使用简单的定位网络完成，也是定位的思考一的成果）

人体姿势判断

Google的一篇论文，其思想就是使用CNN得到人体各个关节的位置后，对人体的姿势进行判断。

定位任务idea：滑动窗口

技术思路：

• 通过滑窗多次使用分类&多目标定位网络实现目标
• 使用卷积层取代全连接层提升效率

滑窗实例：Overfeat

Overfeat网络，使用AlexNet的架构，添加一个定位网络后实现定位功能

经典滑窗定位小猫示意：

注意到有的框都画到滑窗外面去了，老师给出的解释是因为是回归，所以输出值理论可以是任何值，感觉虽然回归的确是这么个道理，但用在这里做解释始终不太信服。

论文示意图：

• 滑窗位置+得分图
• 每个滑窗给出的定位+得分图
• 最终结果

效率提升

将全连接层替换为卷积层可以大大减少参数量，提升网络效率

替换原理

定位网络成果统计