一、单个物体的分类与定位（图片的分类与定位）
- 任务要求：一幅图像上只有一个物体，识别这个物体的类别并且在图片中进行框选。
- 思路一：
step1：训练或者是下载一个目标识别的网络（eg.AlexNet、VGG、GooLeNet）
step2：在下载好的网络的特征提取层之后加入一个新的头部，用于框选回归(位置表示(x，y，w，h))
step3：使用SGD和L2损失训练新的上面的全连接层
step4：在实际使用过程中，两头头部都要加上
注意：不同的类别产生的边界是不同的，有的检测与识别考虑了这种影响。
还有一个问题是在何处加上回归，不同的网路有不同的处理方法
3.思路二：滑动窗口overfit网络
选择不同尺度的滑动窗口中，选择得分值最高的，overfit网络架构如下：
不同网络的错误率
二、目标检测
任务要求：一副输入图像上有多个物体，需要对每一个物体进行识别和定位，这叫做目标检测，或者叫做目标检测与识别。
边界提案（候选框）的生成方式：在图像上生成可能存在的目标区域。
一种最著名的方式是选择性搜索。其从像素出发，通过颜色和纹理产生相似性区域，在相似性区域周边，产生边界提案。
1、R-CNN（基于区域的CNN方法）：
（1）其通过选择性搜索，从一副图像中选择出2K个大小不同，位置不同的候选框（相对于随机产生候选框，已经节省了很多），之后通过将不同大小的图像转换成大小相同的图像通过CNN进行分类和回归，回归是对候选框进行微调。
训练过程：
step1：训练或者下载一个分类模型（eg.AlexNet）
step2：微调用于检测（改变全连接层，产生不同的类别（需要检测的类别数量)，数据重新训练一次)
step3:提取特征，使用选择性搜索算法选择出候选区域，切分后通过CNN进行推理，提取第五个汇聚层（pool 5）的输出特征保存在硬盘中。
sep4：训练一个二分类的SVM，判断图像中是否包含物体，不包含物体的称之为背景。
step5：边界框回归（bbox regression）：通过一个线性回归模型对边界框进行修正。回归的内容是位置（两个坐标，四个数值）
具体可观看R-CNN论文
（2）目标检测评价指标
mAP（平均正确率）
正负样例的判定：如果一个测试结果与ground truth的交幷比（IoU）大于一个阈值，就认为是正确的样例。通过这个结果计算mAP。
（3）R-CNN存在问题
a.测试时间慢：对于每一个边界提案都需要运行一次全连接层
b.SVMs和回归是离线训练的，
c.复杂的训练流程
2、fast R-CNN
结构：
3、faster R-CNN
不多做介绍了，参考相关论文