物体监测：Sliding Window

物体监测：Sliding Window

依次滑动：
每次滑动一个像素点，每个像素都会对应一个框。每次滑动后，都把框框住的内容当作一个图像送入目标检测网络中（如VGG网络，或者ResNet网络）进行检测。检测结果对应的位置，就是框的位置，每次滑动后，位置就确定了。

这个固定窗口滑动的方式，会导致截取到的窗口内容可能只是图片中大物体的一部分信息，导致后续的分类准确度较低。 因此可以使用多个尺度的窗口进行滑动截取

多尺度滑动：
就是使用小的框，把整张图滑动一遍之后，再使用大一点的框，再进行滑动一遍。然后再选择更大的框，再进行滑动。最后一个尺度，有可能和整个图的大小差不多。这样才能检测出大的、小的目标

滑动窗口会产生大量的不同大小尺度的图片，造成网络整个检测过程过长。并且，不同的场景，物体的大小差异比较大，很难设计比较合适的滑动窗口大小，去包含各个场景的数据，导致检测的精度比较低。