目标检测入门系列手册一：定位 + 分类问题的解法

定位 + 分类问题是分类到目标检测的一个过渡问题，从单纯地图片分类到分类后给出目标所处位置，再到多目标的类别和位置。接下来，我们看一下定位+ 分类问题的解法。

分类不用多说，上一章我们以分类为例讲了卷积神经网络。在定位问题中，则需要模型返回目标所在的外接矩形框，即目标的（x,y,w,h）四元组。

接下来介绍一种比较容易想到的思路，把定位当做回归问题，具体步骤如下：

（1）训练（或下载）一个分类模型，例如AlexNet、VGGNet 或ResNet；

（2）在分类网络最后一个卷积层的特征层（feature map）上添加“regression head”，如图1-2 所示；补充说明：神经网络中不同的“head”通常用来训练不同的目标，每个“head”的损失函数和优化方向不同。如果想让一个网络实现多个功能，通常是在神经网络后面接多个不同功能的“head”。

（3）同时训练“classification head”和“regression head”，为了同时训练分类和定位（定位是回归问题）两个问题，最终损失函数是分类和定位两个“head”产生损失的加权和。

（4）在预测时同时使用分类和回归head 得到分类+ 定位结果。这里强调一下，分类预测出的结果就是C 个类别，回归预测的结果可能有两种：一种是类别无关，输出4个值；一种是类别相关，输出4*C 个值，这要看读者想要哪种结果了。