1. 目标定位
从简单的检测有没有车到给车画上框，实际增加了四个参数bx,by,bh,bw，为框左上角的点和长宽：
损失函数可以用八个值得平方差，也可以根据不同的选择不同的方式：
c1到c3使用softmax并输出一个，边界坐标用平方误差，Pc用逻辑回归，等等
2. 特征点检测
汽车、人脸、动作的特征点
3. 目标检测
滑动窗口：
缺点：对于卷积来说太慢了（已解决），而且除非采用小粒度的窗口，要不然描述不准确。
4. 卷积的滑动窗口实现
解决了重复卷积，一次性预测所有的框，但是精确还不够（下一节讲）
5. bounding box预测
YOLO（you only look once):
刚才的方法不能很好地解决准确性问题
蓝色的是按照4中的方法画的方框，可以看出和实际所在（红色）差距比较大。
YOLO：每个格子输出一个y，如果有目标会是绿色和黄色的样子，没有会是蓝色的样子，扫描后可以得到3x3x8的输出
怎么确定物体在那个格子里：中心点在哪个格子就算是在那个格子里
优点：卷积实现，可以达到实时识别
bx,by,bw,bh怎么确定：中心点在方框中的位置（方框左上角(0,0), 右下角（1，1））
6. 交并比（IoU）
如何判断检测算法运行良好：计算两个边界框交集和并集之比
7. 非最大抑制
有时候算法会对一个对象检测多次，这时候就可以用非最大抑制来使每个对象之被检测一次。
只输出最大比的输出，其他近似的输出被抑制
很多格子都认为自己有车：
找到最大的，抑制其他的：
以只检测有没有车为例：
Pc：格子里有车的概率
抛弃所有Pc<0.6的，在剩下所有里选出Pc最大的，抑制其他IoU大于0.5的
8. Anchor box
每个格子如何检测出多个物体？
两个物体（人和汽车）的中心点落在了同一个格子里：行人更像是竖直的，而汽车更偏向如水平，所以有了两个anchor box
找出物体的bx,by,bw,bh后，和两个anchor box算IoU，较大的是较合适的
缺点：如果有多于anchor box数量的物体出现在同一个格子中，没办法检测；如果两个anchor box的形状很像，也没有办法，需要其他手段
更好的办法（自动选择anchor box）YOLO里提到：k-means将两类形状聚类，用他来选择最具代表性的anchor box
9. 综合
10.RPN网络（region proposal 候选区域）
滑动窗格：使用训练好的分类器在所有窗格跑一边
卷积算法：在图中总有什么都没有的区域，在这些区域中浪费时间
带区域的卷积网络（R-CNN）：尝试选出一些区域，使这些区域运行卷积是有意义的。
不再对整个图片跑窗格，而是选定特定区域（图像分割算法），在其上跑CNN，输出标签和bounding box
R-CNN：太慢。对每个区域跑一遍
fast R-CNN：慢。改进：用卷积实现了滑动窗格提高了速度，但候选区域的速度依旧很慢
faster R-CNN：大部分比YOLO慢（毕竟要分两步）。改进：使用卷积获得候选区域