卷积神经网络——目标检测.目标定位
发布时间
阅读量：
阅读量
在计算机视觉领域中，目标检测是一项备受关注的重要方向。通过结合图像处理与模式识别等相关领域的理论和技术实现，在这一过程中起着关键作用的基础环节是物体定位技术。可以说，在某种程度上讲，在这一过程中起着关键作用的基础环节是物体定位技术。其中，在这一环节上的精准度直接影响到后续步骤的成功与否。
图片分类问题已经不陌生了
如图所示，在卷积神经网络中馈入一张测试图片后模型会通过softmax神经元计算并给出预测图像类型的概率
首要任务是确定被检测对象边界框的相关参数（包括位置坐标和尺寸参数）。这些参数通常表示为(b_x,b_y,b_h,b_w)的形式，在计算机视觉中用于描述目标区域的位置与大小。
其中(bx,by)代表目标区域中心点的位置坐标；(bh,bw)则分别表示该区域的高度和宽度。
常规做法是以图片左上角作为坐标系的起点，在这种情况下右下角对应于坐标(1,1)这一特定设置。
当然，在实现(b_x, b_y, b_h, b_w)参数的输出目标时
Pc用于表示我们图中的目标是否归类于现有的person、car和motorcycle这三大类之一。这些参数（如b_x, b_y, b_h, b_w）通常用于描述目标框的坐标信息。其中C1对应person类别,C2对应car类别,C3对应motorcycle类别。
根据给定的任务要求和示例指导方针对文本进行改写
全部评论 (0)
还没有任何评论哟~