特征点检测
比如要检测人脸的64个特征点，这些特征点围绕眼镜、嘴巴，我们可以人为的标记特征点在训练图片上，然后用卷积网络最后一层来输出这些点（128个，包括x、y的坐标），通过某种损失函数，比如均方误差或者交叉熵来进行训练
基于滑动窗口的目标检测：
第一步：训练单张图片的卷积网络（每张图片几乎被要检测的物体充满）
第二步：通过大小不同的窗口从左上方一直滑动到右下方寻找目标：
简单的YOLO算法对上述算法的优化：
第一步：用网格框图片，此时选择的是3*3的网格
第二步：人工标记训练数据，对于每张图片，要标记3*3的8维向量，即3*3*8，8维的意义如上图（当然也可以不是8维，这里有3个分类c1，c2，c3）
第三步：通过调整卷积步长与卷积核大小，使得我们的网络最终能输出3*3*8的形式，最后用损失函数求解
优点：神经网络可以精确到边界框，而不是向上面选取边界框去滑动。只需要卷积一次就可以得到最终结果，可达到实时效果
bx、by、bn、bw的范围：
目标检测算法的判别标准：交并比（IoU）
非极大值预测：
观察上图，如果格子是19*19，那在预测时很可能会有好几个格子认为自己的格子里有车：
比较完整的用上非极大值预测的预测流程：（先不考虑多对象处于一个格子中）（如果分类对象不只1个，就要分别对每个对象做一次抑制）
根据19*19的网格，我们获得19*19*5（只做car的检测pc、bx、by、bh、bw）的矩阵，首先去掉pc小于0.6的，然后从矩阵中找出pc最大的，然后与此矩阵有很高IoU的矩阵抑制（如果是分类数大于1，只对本类的高IoU抑制），然后从剩下矩阵再找最大，与之有高IoU的矩阵抑制，如此重复下去
Anchor boxes：一个格子可以检测多个对象
在标记训练样本做出如上的变化（上面只有2个类重叠在一个格子中的情况）
完整的YOLO算法：
题目：检测目标有3中分类，行人、汽车、摩托。
训练阶段（人工标记）
标记好数据后，神经网络输入shape是100*100*3（假设），输出是3*3*16（假设格子是3*3，类别3和2个anchor box）
预测阶段：
输入输出shape与训练阶段相同,效果会是这样：
第一步，抛弃概率低的预测：
第二步：对每个类别用非极大值预测
小于0.6的舍弃掉，得到最终结果
R-CNN、Fast R-CNN、Faster R-CNN简单思想：
不再是用滑动窗口检测每个区域，而是先用图像分割算法求出候选区域，找到可能的候选区域进行检测
Fast R-CNN则进一步提升了速度，在候选区域使用滑动窗口，而Faster R-CNN是用卷积网络去找候选区域
