01 什么是人脸识别？（What is face recognition?） 一、课程背景与目标 本节是卷积神经网络（CNN）课程的最后一周的开篇。 目标：介绍 CNN 的两个重要应用： 人脸识别（Face Recognition） 神经风格迁移（Neural Style Transfer） 本节聚焦于人脸识别系...

10 候选区域（Region Proposals, Optional） 🧠 一、核心思想：从滑动窗口到候选区域 1. 滑动窗口法的问题 传统方法：在图像上使用固定大小的滑动窗口，对每个窗口运行分类器（如 CNN），判断是否包含目标（如车辆、行人等）。 主要缺点： 计算冗余：大量窗口覆盖的是“空背景”区域（如天空、道路），无实际目标，却仍需运行...

09 YOLO 算法（Putting it together: YOLO algorithm） 🧠 一、YOLO 算法整体思想 YOLO（You Only Look Once）是一种单阶段（one-stage）目标检测算法，其核心思想是： 将目标检测问题转化为回归问题：给定一张图像，通过一个卷积神经网络直接预测出所有目标的边界框（bounding box）及其类别概率。 YO...

08 Anchor Boxes（锚框） 一、问题背景 在基础的目标检测方法（如 YOLO v1）中，每个网格单元（grid cell）只能预测 一个对象。 但现实中，多个对象的中心点可能落在同一个网格内，例如一张图中行人与汽车的中心几乎重合。 ❗ 问题：若一个格子中存在多个对象，则无法同时检测它们。 二、Anchor Box 的核心思想 为解决上述问题，引入 Ancho...

07 非极大值抑制（Non-Max Suppression, NMS） 一、问题背景 在基于网格（grid cell）的对象检测算法（如 YOLO）中，每个网格单元都会独立预测是否存在目标及其边界框（bounding box）。 但由于目标可能跨越多个网格，多个相邻网格可能都预测了同一个目标，导致对同一对象产生多个重复的检测结果。 💡 目标：确保每个真实对象只被检测一次。 ...

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...

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） 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） 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 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。 ...