?利用滑動視窗進行目標檢測時，低級做法是：滑動一下視窗，送入CNN執行一次分類，再滑一下，再分類，，，，這樣效率太低，
?我們很容易發現，在每次滑動得到的視窗卷積的程序中，很多地方是重復進行了卷積，那我們可不可以一次性送入整張圖片，直接得到所有滑動視窗的結果呢？
Sure!
?假設我們有個14x14x3的圖，其要送入如圖所示的+全連接的網路進行分類：
?那么由于全連接層的存在，會改變原先矩陣的結構，無法達到我們只傳入一整張圖實作所有滑動視窗的目的（即FC的存在會使輸入影像固定大小），
?所以我們先要將全連接層等價地變成卷積層，
How FC layer -----> Conv layer?
?So easy，看圖！最后一層卷積層我們得到了5x5x16的特征圖，
?1. 然后第一層全連接層我們換成采用400個5x5x16的卷積核進行卷積，
?2. 第二層卷積用400個1x1x400的卷積核進行卷積
?3. 最后用4個1x1x400代替softmax不就OK，
?其實這樣的操作和全連接是一樣的，因為我們得出的這400個節點，都是分別用400個卷積核核特征圖進行線性加權求和得到，所以和全連接層起到一樣的效果，
?（注：全卷積網路引數量沒有變，只是為了實作在卷積層上實作滑動視窗，在目標檢測中很有用）
Convolutional implementation of sliding windows:
?假設輸入CNN的圖片為14x14x3，測驗圖片為16x16x3，
?那就需要移動視窗（視窗大小：14x14x3），得到4個14x14x3的圖片，分別將其輸入CNN，得到4個結果，
?這樣效率太低，存在很多重復的卷積運算，其實我們可以將整張16x16x3的圖輸入CNN，如上圖（下）所示，最后得出4個小方塊，其實每個小方塊對剛好就是對應的一個滑動視窗的預測結果（不信的話，你可以自己用筆圈一圈，看看卷積后的結果即懂），
?這里滑動步幅是2是如何實作的呢？其實是通過max-pooling中的池化引數為2，這就相當于以大小為2的步幅在原始圖片上應用CNN，
?以上我們就實作了在卷積層上應用滑動視窗，它能夠提高整個檢測演算法的效率，
?不過這種演算法仍然存在一個缺點，就是邊界框的位置可能不夠準確，其中一個能得到更精準邊界框的演算法是YOLO演算法，基本思想就是將影像劃分成nxn個grid cell，物件的中點落在哪個cell中，哪個cell就負責該物件的預測，，，，這里就不講YOLO了哈哈哈，
參考：Andrew Ng 的教學視頻
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/260150.html
標籤：其他
上一篇：Leetcode No.83 洗掉排序鏈表中的重復元素
下一篇：讀取某行檔案方法