一、目标定位
目标定位从标准的CNN图像分类出发，在这个基础上又增加了更多的y值，比如
PC表示图片中是否有检测物，如果有是1，否是0
bx，by，bh，bw分别是定位矩形区域参数
c1，c2，c3表示定位出来的物品属于哪个类别
注意，如果pc是-，后面就没有意义，就全部不关心
损失函数：
二、特征点检测
除了用矩形框选出区域，我们哈可以对关键点定位，输入每个关键点的x，y坐标来定位，比如第一个为是否是人脸，然后后面一次是每个关键点的横坐标，纵坐标
三、目标检测
目标检测采用的滑动窗口法，首选搜集很多的图片，包括有车的，没车的。但是图片里面的汽车要占据整个图片，然后用这些图片来训练一个cnn模型，得到最终的模型
然后再测试图片上面，选择合适的大小窗口和步长，进行滑动遍历整张图片，每次滑动方框中的图片就输入到CNN中，判断是否有车子，最终都遍历完都没车，那就是没车，如果有就有
这种方法的计算代价很大，并且滑动窗口大小和步长需要人为确定。
四、卷积的滑动窗口实现
由于前面计算代价很大，因此我们可以使用卷积的方式来处理，单个滑动窗口区域的全连接层转化成卷积层如下
这个是单个窗口建立模型，也就是训练数据建立的模型
在检测图片上：同样用一样的卷积方式处理后会发现得到的是一个更大一点的图，图中每一个块代表了滑动过程中选择的区域。这里滑动步长是2，因为max_pool为2，要更改步长直接更改max_pool就可以了
五、bounding box预测
由于滑动窗口有可能会出现无法刚好覆盖目标的情况，因此这里出现了yolo算法，通过把检测图片划分成小块，每块来做检测，最后生成n*n*8的图片，
每个网格中包含八个数字，第一个是否有目标检测物，第二个第三个是中心点坐标，yolo中中心店左边的原点是该小单元格从0-1，bh，bw分别是一个小格子长宽的比例，比如200%宽度，这个可以超过1
六、交并比
用来评价目标区域检测的准确性
七、非最大值抑制算法
在yolo算法中可能会多个网格都会检测到有目标存在，但是其实是同一个目标，所以就需要用非最大值抑制算法，
算法步骤：
1、先选择出最大的pc值的网格，
2、计算这个区域跟其他区域的iou值，剔除掉iou值比较大的区域
3.在选择出最大值的PC网格
4、重复第二步
这样就能够把多个不同的目标检测出来，又不至于一个目标检测多次
八、anchor boxes
前面介绍的都是一个网格检测一个目标的情况，如果在一个网格中出现了多个目标呢，这时候就要不同形状的anchor boxes
在anchor boxes为2的时候，我们的输出不再是3*3*8了而是3*3*2*8，然后查看检测区域与那个anchor boxes的iuo更大，就属于哪个anchorboxes