神经网络与深度学习（二）

五、深度学习视觉应用

1、数据集

常用数据集包括MNIST、Fashion-MNIST、CIFAR-10、PASCAL VOC、MS COCO、ImageNet、JFT-300M等。

2、任务评价指标

（1）精确率P与召回率R

P=TP/(TP+FP) ，表示“挑剔”的程度

R=TP/(TP+FN） ，表示“通过”的程度。召回率越高，准确度越低。

精度：(TP+TN)/(TP+FP+TN+FN)

其中，TP:正确划分为正例的个数， FP：错误划分为正例的个数，

FN：错误划分为负例的个数， TN：正确划分为负例的个数。

召回率和准确率之间的关系如图：

（2）平均准确率AP

其中，N表示测试集中所有图片个数，P(k）表示能识别出k个图时的P值，Δr(k)表示识别图片数从k-1变到k时的R的变化情况。

3、目标检测与YOLO

对于给定的图片，找到物体所在的位置，并标注出物体的类别。

（1）yolo v1

输入448*448*3的彩色图片，输出是7*7*30的张量。

损失函数包括：位置误差、置信度误差、类别概率损失

（2）yolo v2

相对于v1，v2有更大的分辨率，使用DarkNet网络，没有fc全连接层，经过5次降采样，输入图片大小必须是32的倍数。

4、全卷积网络与语义分割

FCN是语义分割的经典方法，DeepLab v3是广泛使用的语义分割方法。