机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

422

｜

第

14

章

对边界框应该进行归一化，以便水平坐标和垂直坐标以及高度和宽度都在 0

到 1 的范围内。而且通常要预测高度和宽度的平方根，而不是直接的高度和

宽度值：通过这种方式，对于大边框的 10 像素错误将不会像对小边框的 10

像素错误一样受到惩罚。

MSE 通常作为成本函数可以很好地训练模型，但是评估模型对边界框的预测能力不是一

个很好的指标。最常用的度量指标是“交并比”（Intersection over Union, IoU）：预测边

界框和目标边界框之间的重叠面积除以它们的联合面积（见图 14-23）。 在 tf.keras 中，

它是由 tf.keras.metrics.MeanIoU 类实现的。

交集

标签

预测

并集

图 14-23：边界框的交并比（IoU）度量

对单个物体进行分类和定位是很好的，但是如果图像中包含多个物体（在花朵数据集中

通常如此）怎么办？

14.9 物体检测

在图像中对多个物体进行分类和定位的任务称为物体检测。直到几年前，一种通用的方

法是采用经过训练的 CNN 来对单个物体进行分类和定位，然后将其在图像上滑动，如

图 14-24 所示。在此示例中，图像被切成 6

×

8 的网格，我们显示了 CNN（黑色粗矩形）

在所有 3

×

3 区域中的滑动。当 CNN 看着图像的左上方时，它检测到最左边的玫瑰的一

部分，然后当它第一次向右移动了一步时，又检测到该玫瑰。在下一步中，它开始检测

最上面的玫瑰的一部分，然后再向右移动一步，便再次检测到它。然后，你将继续在整

个图像中滑动 CNN，查看所有 ...