AI学习目录汇总

1、简述

通过前面的学习，已经了解了图像分类模型的原理及实现。图像分类是假定图像中只有一个目标，算法上是对整个图像做的分类。
下面我们来学习“目标检测”，即从一张图像中找出需要的目标，并标记出位置。

2、边界框

边界框：bounding box，就是一个方框，使用方框将目标刚刚好的框起来。
用坐标来表示边界框的位置和大小有两种方式

• 边界框左上角、右下角的坐标表示
• 边界框中心的坐标和框的宽高表示。

3、锚框

锚框：anchor box，想像一下，其实我们不知道目标大小和位置，先假定目标的中心位置，和船下锚类似，然后使用多个不同大小的框来探测是否有被测目标。
不同大小的框可以通过不同的缩放比和宽高比来表示。
除了使用坐标来描述锚框的大小和位置，还需要一个标签来标记被检测目标的类别。

4、交并比

交并比：IoU，用来衡量锚框和真实边界框之间的相似性，杰卡德系数，数学公式如下：