卷积神经网络分类与回归任务的应用简介

location

　　对输入图像定位，找到盒子坐标（x,y,w,h)；Clssificaion and Location的最后一层是的特征做两件事，一个是分类，一个是定位。

　　       

　　训练时使用已有的模型，也就是最后一层全联接之前所有的参数都用已有模型的，然后在这个基础上进行微调（fine tune），使其向着想要的网络去收敛。

　　             

　　分类时，softmax计算loss，随机梯度下降SGD反向传播更新参数。测试时同时得到分类得分和定位（坐标）。

　　                

　　回归模块（regression head）放在什么位置呢？选择不同的卷积神经网络，回归模块放的位置也是不一样的。可以用于box坐标定位，也可以用于姿势识别、人脸识别。

　　    

　　滑动窗口：实际要做scale变换，就是将图像缩小、放大，用同一个滑动窗口去检测。不同的神经网络对比（ResNet深度参差网络，层数越多Error越低）。

　　         

 

　　

转载于:https://www.cnblogs.com/zzx1905/p/CNN_Application.html