目标检测大体步骤

1、输入图像

2、将图像送入卷积神经网络中进行特征提取--->>得到特征图

（这里的特征图可以是一个，也可以是多个，比如经过一些特征金字塔的操作，可以得到多个不同尺度的特征图）

3、对特征图进行操作，输出想要的形状

（这里为什么是想要的形状，比如，二分类的话，就输出成2个节点的样子，目标检测的话，可以输出成（c，x，y，w，h），为什么输出成这样，可以这样理解，【其实网络的输出数据，每个数据代表什么含义，都是人为自己定义的，也就是说，是作者希望图片输入到YOLO网络中，输出的1470维数据代表的上述含义。深度学习的训练其实是对网络的一个引导过程，所以，想要网络按你所想的产生输出，就需要设计好对应的标签(label)，来引导网络，这也是对网络训练的目的。】）

4、将标签变换成一致的形状，进行损失的计算

（自定义的损失函数一般也继承于pytorch的类，因为得到的损失，也要进行梯度计算，相当于通过框架来进行的一些计算，可以自动的求梯度）

5、计算完损失后，来进行反向传播，更新一些权重参数

----一般都是经过上述的一个过程，有些会在特征提取部分进行改进，不同的网络，不同的方式，输出多个特征层，等等，

或者是损失函数计算的改进。