>>戳此處立即下載下傳電子書<< ，學習全套目标檢測算法&模型
https://yq.aliyun.com/download/3818?spm=a2c6h.12873639.0.0.5c3b5c0709ax0n
定位 + 分類問題是分類到目标檢測的一個過渡問題，從單純地圖檔分類到分類後給出目标所處位置，再到多目标的類别和位置。接下來，我們看一下定位+ 分類問題的解法。
分類不用多說，上一章我們以分類為例講了卷積神經網絡。在定位問題中，則需要模型傳回目标所在的外接矩形框，即目标的（x,y,w,h）四元組。
接下來介紹一種比較容易想到的思路，把定位當做回歸問題，具體步驟如下：
（1）訓練（或下載下傳）一個分類模型，例如AlexNet、VGGNet 或ResNet；
（2）在分類網絡最後一個卷積層的特征層（feature map）上添加“regression head”，如圖1-2 所示；補充說明：神經網絡中不同的“head”通常用來訓練不同的目标，每個“head”的損失函數和優化方向不同。如果想讓一個網絡實作多個功能，通常是在神經網絡後面接多個不同功能的“head”。
（3）同時訓練“classification head”和“regression head”，為了同時訓練分類和定位（定位是回歸問題）兩個問題，最終損失函數是分類和定位兩個“head”産生損失的權重和。
（4）在預測時同時使用分類和回歸head 得到分類+ 定位結果。這裡強調一下，分類預測出的結果就是C 個類别，回歸預測的結果可能有兩種：一種是類别無關，輸出4個值；一種是類别相關，輸出4*C 個值，這要看讀者想要哪種結果了。