computer-vision - 卷积神经网络是否具有图像定位能力？

Question

据我所知，CNN 依赖于滑动窗口技术，并且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？

在没有这些技术的任何帮助的情况下，是否可以通过 CNN 实现定位？

Answer 1

这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。参见例如 this paper以及其中的引用资料。

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。