《动手学深度学习》目标检测基础；图像风格迁移；图像分类案例1

目标检测基础；图像风格迁移；图像分类案例1

• 目标检测基础
• 锚框
• 交并比
• 标注训练集的锚框
• 图像风格迁移
• 模型
• 损失函数
• 内容损失
• 样式损失
• 总变差损失
• 总损失函数
• 图像分类案例1
• 任务
• 模型

目标检测基础

在图像中标出目标图像的位置，成为目标检测。

锚框

以每个像素为中心，生成多个大小和宽高比不用的边界框，这些边界框就是锚框。
设输入图像高为$h$，宽为$w$，锚框大小为$s\in (0,1]$且宽高比为$r>0$。那么锚框的宽和高为$ws\sqrt r$和$hs/\sqrt r$。
为了减少计算复杂度，在我们取$whnm$个锚框中，我们只取包含$s_1$或$r_1$的组合，即
$(s_1,r_1),(s_1,r_2),...,(s_1,r_m),(s_2,r_1),(s_3,r_1),...,(s_n,r_1)$
共$wh(n+m-1)$个锚框。

交并比

衡量锚框和真实边界框之间的相似度：
$J(\mathcal{A},\mathcal{B}) = \frac{\left|\mathcal{A} \cap \mathcal{B}\right|}{\left| \mathcal{A} \cup \mathcal{B}\right|}$

标注训练集的锚框

每个锚框标注两类标签：

1. 目标类别.
2. 真实边界框相对锚框的偏移量.

我们生成多个锚框，需要将锚框与相似的真实边界框匹配。

1. 找出最大交并比的那一组，将同行同列的其他锚框和真实边界框丢弃。
2. 重复第一步直至所以锚框都被选中或丢弃。
3. 在被丢弃的锚框中根据预设的阈值判断是否为其分配真实边界，若是也按最大交并比分配。
4. 未被标注的锚框记为背景
   

偏移量标注：
$\left( \frac{ \frac{x_b - x_a}{w_a} - \mu_x }{\sigma_x}, \frac{ \frac{y_b - y_a}{h_a} - \mu_y }{\sigma_y}, \frac{ \log \frac{w_b}{w_a} - \mu_w }{\sigma_w}, \frac{ \log \frac{h_b}{h_a} - \mu_h }{\sigma_h}\right)$
其中常数默认值$\mu_x = \mu_y = \mu_w = \mu_h = 0, \sigma_x=\sigma_y=0.1, \sigma_w=\sigma_h=0.2$

图像风格迁移

将一副图像的风格自动加在另一幅图上

本课用预训练好的模型，它能分解出图片的样式风格，我们将内容图像的样式风格数值根据模型改变。令其与原图内容损失最小，与样式图像样式损失最小。

模型

这里用预训练的VGG19，一般来说，越靠近输入层的输出越容易抽取图像的细节信息，反之则越容易抽取图像的全局信息。
选用VGG靠近输出的层 – 第四个卷积快的最有一个卷积层为内容层，用不同层的输出 – 每个卷积快的第一个卷积层为样式层。

损失函数

内容损失

直接使用平方误差损失

样式损失

使用平方误差损失，不过使用的输入是Gram矩阵$XX^T$，它表达了通道上样式特征的相关性。在输入前将样式层的输出变换为$(c,hw)$

总变差损失

用于降噪，使邻近的像素值相似
$\sum_{i,j} \left|x_{i,j} - x_{i+1,j}\right| + \left|x_{i,j} - x_{i,j+1}\right|$

总损失函数

将上面三个损失函数加权和，即构成了总损失函数，这里为了学习样式，我们将样式损失的权值设置的较大，另外两个较小。

图像分类案例1

任务

这里分类任务是CIFAR-10图像分类问题，比赛网址是https://www.kaggle.com/c/cifar-10

比赛数据分为训练集和测试集。训练集包含 50,000 图片。测试集包含 300,000 图片。两个数据集中的图像格式均为PNG，高度和宽度均为32像素，并具有三个颜色通道（RGB）。图像涵盖10个类别：飞机，汽车，鸟类，猫，鹿，狗，青蛙，马，船和卡车。

模型

使用RseNet18，18层的残差网络
ResNet-18网络结构：ResNet全名Residual Network残差网络。Kaiming He 的《Deep Residual Learning for Image Recognition》获得了CVPR最佳论文。他提出的深度残差网络在2015年可以说是洗刷了图像方面的各大比赛，以绝对优势取得了多个比赛的冠军。而且它在保证网络精度的前提下，将网络的深度达到了152层，后来又进一步加到1000的深度。

来源：CSDN

作者：Void_Pointer -

链接：https://blog.csdn.net/weixin_41534404/article/details/104490420