飞桨|PaddlePaddle YoloV3学习笔记

学习了两周PaddlePaddle，刚开始都是比较简单的网络，直到遇到YoloV3这个大家伙，它的程序内容涉及图像增广（训练数据扩充），锚框生成（以及微调），候选区域生成、目标标注、特征提取、特征位置对应、损失函数构建、多尺度检测等等，最终构成的是一个end2end的目标识别程序。我并没有看原论文，直接按照Paddle课程中的ipython notebook过了一遍，把碰到的难点全部记录下来。

一、目标检测及其著名模型

目标检测是图像识别的升级版，需要识别出图片中包含的物体（多种物体），并且标注出位置信息（用框标出来）。如果目标检测算法足够快，便可处理视频帧，做到视频目标检测。

用最基本的方法，记得吴恩达的机器学习公开课上提过，假设我们已经有了用于图像识别的模型，但是无法标注出位置信息，我们可以使用不同大小的滑动窗口，在输入图片上进行滑动(从左到右从上往下全覆盖，并且使用多种尺寸的滑动窗口），判断目标并得到位置。但这样计算量太大了，没法使用。

所以新的目标检测算法，会生成可能包含物体的候选区域，只在候选区域上进行识别。著名的算法有利用Selective Search的R-CNN，Fast R-CNN、使用RPN的Faster R-CNN，Mask R-CNN等。

YoloV3算法只使用一个网络同时产生候选区域并预测出物体的类别和位置，叫做单阶段检测算法。

二、基础知识、术语等概念

在图片中，把物体框出来的方框，叫做bounding box 边界框，一个方框可用两种表达方式记录，一般叫做xyxy(记录方框最上角和右下角的坐标)和xywh(记录方框中心坐标及长度和宽度)。

训练集中，真实的包含目标的方框（一般是人工标注的）叫做ground truth box，真实框；模型预测出来的框叫prediction box预测框。

还有一种框，是人们假想出来的框，也可以是随机生成的框，叫做锚框(anchor box)，图像识别就发生在锚框里。

# 绘制锚框
def draw_anchor_box(center, length, scales, ratios, img_height, img_width):
    """
    以center为中心，产生一系列锚框
    其中length指定了一个基准的长度
    scales是包含多种尺寸比例的list
    ratios是包含多种长宽比的list
    img_height和img_width是图片的尺寸，生成的锚框范围不能超出图片尺寸之外
    """
    bboxes = []
    for scale in scales:
        for ratio in ratios:
            h = length*scale*math.sqrt(ratio)
            w = length*scale/math.sqrt(ratio) 
            x1 = max(center[0] - w/2., 0.)
            y1 = max(center[1] - h/2., 0.)
            x2 = min(center[0] + w/2. - 1.0, img_width - 1.0)
            y2 = min(center[1] + h/2. - 1.0, img_height - 1.0)
            print(center[0], center[1], w, h)
            bboxes.append([x1, y1, x2, y2])

    for bbox in bboxes:
        draw_rectangle(currentAxis, bbox, edgecolor = 'b')

蓝色方框就是生成的3个不同长宽比的锚框。

标签：box,YoloV3,center,img,检测,锚框,PaddlePaddle,方框,飞桨
来源： https://www.cnblogs.com/importsober/p/13570693.html