目标检测原理

目标检测：一张图中，把目标的所在位置框出来。

如果把这个任务用机器学习的方式做出来，是有监督还是无监督。可不可以把目标检测的任务当成回归的任务。如果把用框框出目标的任务当成回归的任务。确定一个框我们需4个值。（左上角和右下角），一个目标一个框，每个框有4个值。当有很多目标时，在回归任务中，很难确定输出层的节点个数。优点是框的大小很准确。缺点是框的个数很难确定。

当我们把目标检测的任务当成分类的任务时。我们用滑动窗口的做法。此时，窗口的大小很难确定（大目标和小目标）。但是可以把候选框传给分类器，所以，框的个数不用确定。

可见，回归和分类各有优劣。我们可以结合起来。把回归任务放到分类任务之后，前提是目标时（IOU）再进行目标框的回归。

分类和回归都是有监督的，都需要x和y。x是image图像，y是框的坐标和类别标签。