深度学习-计算机视觉-物体检测与边缘框实现
在图像分类任务中，我们通常基于一个关键假设：图像中仅包含一个主要物体对象，我们的目标是精准地识别出这个物体的类别。这种任务设定简洁明了，主要聚焦于物体类别的判断，适合对单一主体进行分类的场景。
然而，在现实世界的许多应用场景中，图像往往包含多个我们感兴趣的物体或目标。此时，我们的需求不再局限于了解这些目标“是什么”，还希望明确它们“在哪里”。
为应对这一挑战，计算机视觉领域提出了目标检测（Object Detection）和目标识别（Object Recognition）任务。这两种任务相辅相成，目标检测侧重于定位图像中目标物体的具体位置（通常以边界框形式表示），而目标识别则侧重于对检测到的目标物体进行类别判断。通过结合两者，我们可以在复杂的图像场景中，既准确识别出多个目标物体的类别，又明确它们的空间位置，从而为后续的分析和决策提供更全面的信息支持。
在目标检测中，我们通常使用边界框（bounding box）来描述对象的空间位置。
- 边界框是矩形的，由矩形左上角的x和y坐以及右下角的x和y坐标决定。 （左上x，左上y，右下x，右下y）
- 另一种常用的边界框表示方法是边界框中心的(x, y)轴坐标以及框的宽度和高度。（中心x，中心y，宽，高）
下面加载本节将使用的示例图像。【代码来自《动手学深度学习》】
可以看到图像左边是一只狗，右边是一只猫。 它们是这张图像里的两个主要目标。
import torch
from d2l import torch as d2ld2l.set_figsize()
img = d2l.plt.imread('../img/catdog.jpg')
d2l.plt.imshow(img);
定义在这两种表示法之间进行转换的函数：
box_corner_to_center从两角表示法转换为中心宽度表示法，box_center_to_corner从中心宽度表示法转换为两角表示法。
#@save
def box_corner_to_center(boxes):"""从（左上，右下）转换到（中间，宽度，高度）"""x1, y1, x2, y2 = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]cx = (x1 + x2) / 2cy = (y1 + y2) / 2w = x2 - x1h = y2 - y1boxes = torch.stack((cx, cy, w, h), axis=-1)return boxes#@save
def box_center_to_corner(boxes):"""从（中间，宽度，高度）转换到（左上，右下）"""cx, cy, w, h = boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3]x1 = cx - 0.5 * wy1 = cy - 0.5 * hx2 = cx + 0.5 * wy2 = cy + 0.5 * hboxes = torch.stack((x1, y1, x2, y2), axis=-1)return boxes
备注：torch.stack 是 PyTorch 中一个用于连接多个张量（tensors）的函数。它在指定的维度上将多个张量堆叠在一起，形成一个新的张量。新张量的维度比原张量多一个维度。其中，axis=-1表示沿着最后一个维度进行堆叠。axis=0表示沿着第一个维度进行堆叠。
import torch# 创建两个一维张量
tensor1 = torch.tensor([1, 2, 3])
tensor2 = torch.tensor([4, 5, 6])# 沿着最后一个维度（axis=-1）和第一个维度（axis=0）进行堆叠
stacked_tensor = torch.stack([tensor1, tensor2], axis=-1)
stacked_tensor_dim0 = torch.stack([tensor1, tensor2], axis=0)输出：
tensor([[1, 4],[2, 5],[3, 6]])tensor([[1, 2, 3],[4, 5, 6]])根据坐标信息定义图像中狗和猫的边界框：
# bbox是边界框的英文缩写
dog_bbox, cat_bbox = [60.0, 45.0, 378.0, 516.0], [400.0, 112.0, 655.0, 493.0]boxes = torch.tensor((dog_bbox, cat_bbox))
box_center_to_corner(box_corner_to_center(boxes)) == boxes输出：
tensor([[True, True, True, True],[True, True, True, True]])我们可以将边界框在图中画出，以检查其是否准确。
画之前，我们定义一个辅助函数bbox_to_rect。 它将边界框表示成matplotlib的边界框格式。
#@save
def bbox_to_rect(bbox, color):# 将边界框(左上x,左上y,右下x,右下y)格式转换成matplotlib格式：# ((左上x,左上y),宽,高)return d2l.plt.Rectangle(xy=(bbox[0], bbox[1]), width=bbox[2]-bbox[0], height=bbox[3]-bbox[1],fill=False, edgecolor=color, linewidth=2)最终输出带有边界框的图像：
绘制边界框：
fig = d2l.plt.imshow(img)
fig.axes.add_patch(bbox_to_rect(dog_bbox, 'blue'))
fig.axes.add_patch(bbox_to_rect(cat_bbox, 'red'));