深度学习基本理论 3 ：之物体检测（Anchor base/NMS/softmax/损失函数/BCE/CE/zip

1、 Anchor base和Anchor free

1.1 Anchor base

Anchor base，译为基于锚点的一个物体检测方法，也可以叫做基于一组预定义的框
模型会预测每个锚点是否存在对象，并预测需要对锚点进行的调整以更好地适应该对象
Anchor base物体检测方法：Fast R-CNN、SSD、YOLO、RetinaNet

1.2 Anchor Free

Anchor Free，无锚点方法则不依赖于预定义的锚点框
直接在图像的每个空间位置预测对象的存在或对象的特征
CenterNet、CornerNet、FCOS 、DETR

2、NMS基本流程

非极大值抑制（Non-Maximum Suppression, NMS），是当物体检测中同一个物体最后预测出多个候选框的情况，采用NMS后可以有效解决这个问题。

收集所有边界框
根据置信度（即预测该框的概率）进行排序
取出最高置信度的框，与其他所有的框计算IOU
如果计算出某一个IOU的值，超过设定的阈值（假设是0.5），则认为这个框是重复的，则删除这两个框中置信度比较低的那一个
重复3-4过程，最终剩下的框全部都是预测的边界框
这个过程也就是说，置信度最高的那一个框永远都不会被移除，且其他的框也只会与这个框计算IOU值

3、常用的损失函数

3.1 回归

MSE：预测值与真实值差值的平方
MAE：预测值与真实值差值的绝对值

3.2 分类

CE：Cross-EnTropy，二元交叉熵，【（y标签对应的值）乘以（p预测正类别的概率值取对数）的相反数】+【1-（y标签对应的值）乘以（1-p预测正类别的概率值取对数）】的相反数，然后会累加样本数，再除以样本数的就是损失的均值

BCE：Binary Cross-EnTropy，多元交叉熵，（y标签对应的值）乘以（p预测该类别的概率值取对数）的相反数，然后会累加每个类别和样本数，再除以样本数的就是损失的均值

4、BCE和CE除了预测种类个数的区别还有其他区别吗？

BCE通常与sigmoid激活函数一起使用，最后输出是单个神经元，输出预测为正类的概率
CE通常与softmax激活函数一起使用，最后输出是多个神经元，输出每个类别的概率分布

5、两个list变成对应的字典，一个是key一个是values

# Given two lists, one for keys and the other for values, we will convert them into a dictionary.
keys = ['key1', 'key2', 'key3']
values = [1, 2, 3]# Creating the dictionary using zip function
dictionary = dict(zip(keys, values))

6、zip怎么理解和使用

zip 是 Python 中一个非常有用的内置函数，它用于将多个可迭代对象（如列表、元组等）中的元素配对，创建一个新的迭代器。其工作原理可以通过以下几个要点来理解：

配对元素：zip 函数将多个可迭代对象中的对应元素组合在一起，形成一个个元组。例如，如果有两个列表 list1 = [1, 2, 3] 和 list2 = ['a', 'b', 'c']，zip(list1, list2) 会生成 [(1, 'a'), (2, 'b'), (3, 'c')]
不同长度处理：如果可迭代对象的长度不同，zip 会停止于最短的输入序列的末尾。例如，如果一个列表有 3 个元素，另一个列表有 4 个元素，那么 zip 生成的迭代器将只包含 3 个元组
转换为其他数据结构：虽然 zip 返回的是一个迭代器，但你可以将其转换为列表或字典等其他数据结构。例如，list(zip(list1, list2)) 或 dict(zip(list1, list2))
多个迭代对象：zip 不仅限于两个迭代对象，它可以接受任意数量的迭代对象
解压缩：使用 * 运算符，可以将 zip 的结果“解压缩”回多个独立的序列

下面展示 zip 函数的基本用法：

# 将两个列表压缩成一个由元组组成的列表
list1 = [1, 2, 3]
list2 = ['a', 'b', 'c']
zipped = list(zip(list1, list2))
print(zipped)  # 输出: [(1, 'a'), (2, 'b'), (3, 'c')]# 将两个列表转换为字典
keys = ['key1', 'key2', 'key3']
values = [1, 2, 3]
dictionary = dict(zip(keys, values))
print(dictionary)  # 输出: {'key1': 1, 'key2': 2, 'key3': 3}# 解压缩
pairs = [(1, 'a'), (2, 'b'), (3, 'c')]
numbers, letters = zip(*pairs)
print(numbers)  # 输出: (1, 2, 3)
print(letters)  # 输出: ('a', 'b', 'c')