深度学习（17）：目标检测

目标定位

我们已经了解了简单的图像分类问题，即判断一个图片里有没有物体A。我们的神经网络输出往往只是1个数字，代表出现物体A的概率p。
对于目标定位问题，我们除了要判断有没有物体A，还要圈出A的位置。这时候我们的输出就不应该只有p，还应该标注A的位置。
因此对应目标定位问题，我们要同时输出：出现物体的概率、物体的位置信息、物体的种类信息。才能完成一个多目标定位。

特征点检测

有时候我们需要检测出图片的特征点，例如人脸的眼睛。这时候只需要在输出里面增加眼睛位置的坐标即可得到特征点。

滑动窗口目标检测

为了能够确定目标并表明位置，我们采用这样的方式。
首先对训练集进行裁剪使得整张图片都是目标物体，得到一个网络。这个网络能够判断整张图片是否为物体A

利用这个网络，我们构建一个小窗口，将小窗口放在大图片上逐行逐列扫描。每轮扫描窗口大小也会发生变化，最终发现某个窗口识别出物体A时，将该窗口的边界作为我们的输出边界。

这样做的问题在于：边界不够精确，扫描次数太多

卷积的滑动窗口

为了解决滑动窗口扫描次数多的问题，我们引入卷积版滑动窗口，可以1次计算出多个位置窗口的输出。