# 9.3 目標檢測和邊界框 在前面的一些章節中，我們介紹了諸多用于圖像分類的模型。在圖像分類任務里，我們假設圖像里只有一個主體目標，并關注如何識別該目標的類別。然而，很多時候圖像里有多個我們感興趣的目標，我們不僅想知道它們的類別，還想得到它們在圖像中的具體位置。在計算機視覺里，我們將這類任務稱為目標檢測（object detection）或物體檢測。 目標檢測在多個領域中被廣泛使用。例如，在無人駕駛里，我們需要通過識別拍攝到的視頻圖像里的車輛、行人、道路和障礙的位置來規劃行進線路。機器人也常通過該任務來檢測感興趣的目標。安防領域則需要檢測異常目標，如歹徒或者炸彈。 在接下來的幾節里，我們將介紹目標檢測里的多個深度學習模型。在此之前，讓我們來了解目標位置這個概念。先導入實驗所需的包或模塊。 ``` python %matplotlib inline from PIL import Image import sys sys.path.append("..") import d2lzh_pytorch as d2l ``` 下面加載本節將使用的示例圖像。可以看到圖像左邊是一只狗，右邊是一只貓。它們是這張圖像里的兩個主要目標。 ``` python d2l.set_figsize() img = Image.open('../../img/catdog.jpg') d2l.plt.imshow(img); # 加分號只顯示圖 ``` :-:  ## 9.3.1 邊界框 在目標檢測里，我們通常使用邊界框（bounding box）來描述目標位置。邊界框是一個矩形框，可以由矩形左上角的`$ x $`和`$ y $`軸坐標與右下角的`$ x $`和`$ y $`軸坐標確定。我們根據上面的圖的坐標信息來定義圖中狗和貓的邊界框。圖中的坐標原點在圖像的左上角，原點往右和往下分別為`$ x $`軸和`$ y $`軸的正方向。 ``` python # bbox是bounding box的縮寫 dog_bbox, cat_bbox = [60, 45, 378, 516], [400, 112, 655, 493] ``` 我們可以在圖中將邊界框畫出來，以檢查其是否準確。畫之前，我們定義一個輔助函數`bbox_to_rect`。它將邊界框表示成matplotlib的邊界框格式。 ``` python def bbox_to_rect(bbox, color): # 本函數已保存在d2lzh_pytorch中方便以后使用 # 將邊界框(左上x, 左上y, 右下x, 右下y)格式轉換成matplotlib格式： # ((左上x, 左上y), 寬, 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) ``` 我們將邊界框加載在圖像上，可以看到目標的主要輪廓基本在框內。 ``` python 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')); ``` 輸出： :-:  ## 小結 * 在目標檢測里不僅需要找出圖像里面所有感興趣的目標，而且要知道它們的位置。位置一般由矩形邊界框來表示。 ----------- > 注：除代碼外本節與原書基本相同，[原書傳送門](https://zh.d2l.ai/chapter_computer-vision/bounding-box.html)