我确实有一个 .caffemodel 文件，将其转换为一个 .coreml 文件，我在应用程序中使用该文件来识别特殊类型的瓶子。它有效，但它只显示图片中是否有瓶子。
现在我想知道瓶子在哪里，偶然发现了https://github.com/hollance/YOLO-CoreML-MPSNNGraph 和https://github.com/r4ghu/iOS-CoreML-Yolo，但我不知道如何将我的 .caffemodel 转换为此类文件；这样的转换是否可能，或者培训必须完全不同？
【问题讨论】：
如果您当前的模型是一个分类器，那么您不能使用它来检测图片中的对象的位置，因为它没有经过训练来执行此操作。
您必须训练一个模型，该模型不仅可以进行分类，还可以进行对象检测。检测部分会告诉你物体在图像中的位置（它给你零个或多个边界框），而分类部分会告诉你这些边界框中的物体是什么。
一个非常简单的方法是在模型中添加一个“回归”层，除了分类之外还输出 4 个数字（因此模型现在有两个输出，而不是只有一个）。然后你训练它使这 4 个数字成为图像中事物边界框的坐标。 （此模型只能检测图像中的单个对象，因为它只返回单个边界框的坐标。）
要训练此模型，您不仅需要图像，还需要图像内物体的边界框坐标。换句话说，您需要使用边界框信息来注释您的训练图像。
YOLO、SSD、R-CNN 和类似模型都基于此理念，并允许对每张图像进行多次检测。
【讨论】：