06 交并比（Intersection over Union, IoU）
06 交并比（Intersection over Union, IoU） 一、IoU 的定义与作用 在目标检测（Object Detection） 任务中，不仅要识别出图像中是否存在某个物体，还需要精确定位其位置，通常用边界框（Bounding Box） 表示。为了衡量预测边界框与真实边界框（Ground Truth）之间的定位精度，引入了 交并比（IoU） 这一指标。 IoU...
Leon Yi
05 Bounding Box预测（YOLO算法基础）
05 Bounding Box预测（YOLO算法基础） 📘 课程主题：YOLO 算法基础 —— 单次检测实现精准边界框预测 一、背景与动机 滑动窗口法的问题： 使用离散窗口位置进行分类，无法输出任意形状/位置的边界框。 边界框受限于窗口大小和步长，精度低。 无法处理非正方形目标（如横向延伸的汽车）。 ...
04 滑动窗口的卷积实现（Convolutional Implementation of Sliding Windows）
04 滑动窗口的卷积实现（Convolutional Implementation of Sliding Windows） 一、背景：传统滑动窗口方法的问题 在目标检测任务中，传统滑动窗口方法的做法是： 将输入图像划分为多个固定大小（如 $14 \times 14$）的子区域； 对每个子区域单独送入一个训练好的分类 CNN； 输出该区域是否包含目标（如行人、汽车等）及其类...
03 目标检测（Object Detection）
03 目标检测（Object Detection） 一、课程目标 本节旨在讲解如何构建一个 基于滑动窗口（Sliding Window）的卷积神经网络目标检测系统，从基础的图像分类与定位任务出发，逐步过渡到多目标检测场景。 二、前置知识回顾 在进入目标检测前，课程已覆盖两个相关任务： 图像分类（Image Classification） ：判断图像中是否包含某类物体（如“...
02 特征点检测
02 特征点检测 1. 概述 特征点检测是利用神经网络在图像中定位特定对象的关键点的过程。这些关键点可以用于识别和描述对象的特征，如人脸、人体姿态等。通过训练神经网络输出这些特征点的坐标值，我们可以实现对目标对象的精确定位和分析。 2. 基本概念与应用实例 对象定位：通过神经网络输出四个参数 $(b_x, b_y, b_h, b_w)$，给出图片中对象的边界框。 ...
01 目标定位（Object Localization）
01 目标定位（Object Localization） 🎯 一、任务定义：从图像分类到目标定位 1. 图像分类（Image Classification） 输入：一张图像 $x$ 输出：类别标签 $y \in {1, 2, …, C}$（如：行人、汽车、摩托车、背景） 模型结构：CNN → 全连接层 → Softmax 输出形式：概率分布 $\hat{y} = [\...
09 计算机视觉现状（The state of computer vision）
09 计算机视觉现状（The state of computer vision） 🧠 一、核心观点概览 计算机视觉（Computer Vision, CV）是深度学习最成功的应用领域之一，但与其他领域（如语音识别、NLP）相比，它具有以下特点： 数据相对稀缺：即使有百万级图像数据集，对于高复杂度任务（如目标检测）仍显不足。 高度依赖手工工程（Hand-engineering）...
08 数据增强（Data Augmentation）
08 数据增强（Data Augmentation） 一、为什么需要数据增强？ 在计算机视觉任务中，模型通常需要从原始像素值（如 $x \in \mathbb{R}^{H \times W \times 3}$）中学习复杂的映射关系以识别图像内容。然而： 数据稀缺是计算机视觉的主要瓶颈； 相比其他机器学习领域，CV 对数据量极度敏感； 即使使用迁移学习（Transfer ...
07 迁移学习（Transfer Learning）
07 迁移学习（Transfer Learning） 迁移学习（Transfer Learning）是深度学习，尤其是计算机视觉（Computer Vision）领域中极为重要且高效的技术。其核心思想是：利用在大规模数据集上预训练好的模型权重，作为新任务模型的初始化参数，从而显著提升小数据集上的训练效果与收敛速度。 一、迁移学习的基本原理 1.1 为什么使用迁移学习？ 数据...
06 Inception 网络
06 Inception 网络 1. 核心构建单元：Inception 模块 Inception 网络的核心在于其基础模块的设计，该模块旨在解决卷积层中卷积核尺寸选择的难题。它通过并行组合多种尺寸的卷积核和池化层，让网络在训练过程中自动学习不同尺度特征的重要性。 多分支并行结构：一个标准的Inception模块包含四个并行的分支： 1×1 卷积层...