据我所知，CNN 依赖于滑动窗口技术，只能指示给定边界框中的任何地方是否存在某种模式。真的吗？
如果没有任何此类技术的帮助，可以使用 CNN 实现本地化吗？
问问题
4446 次
2 回答
8
那是图像识别中的一个悬而未决的问题。除了滑动窗口，现有的方法包括预测图像中的对象位置作为 CNN 输出、预测边界（将像素分类为是否属于图像边界）等。例如，参见本文和其中的参考资料。
另请注意，使用最大池化的 CNN，可以识别有助于对象识别的特征检测器的位置，并使用它来建议可能的对象位置区域。
于 2015-01-28T14:06:07.353 回答
2
最近有一些技术可以定位 CNN 中的对象。见这篇论文http://cnnlocalization.csail.mit.edu/Zhou_Learning_Deep_Features_CVPR_2016_paper.pdf
它使用称为全局平均池化 (GAP) 的层，无需额外工作，CNN 就可以定位它识别的对象。
另请查看这篇非常好的博客文章： https ://alexisbcook.github.io/2017/global-average-pooling-layers-for-object-localization/
于 2017-07-18T17:54:58.363 回答