【发布时间】：2020-07-01 15:07:49
【问题描述】：
我想构建一个可以识别图像中对象的计算机视觉模型。例如，识别某人手的边界框的 (x, y, width, height) 像素坐标。我知道像 YOLO 和 RCNN 这样的复杂对象检测算法，但我很好奇为什么我不能创建一个带有 4 个神经元（每个坐标值）输出层和线性激活函数的 vanilla Conv Net？
为了清楚起见，我不想识别图像中的多个对象。假设每张图片中只有一只手。
任何帮助将不胜感激！
【问题讨论】：
-
当然可以，您正在比较完全不同问题的算法。
-
@Dr.Snoopy 我会说单物体检测与多物体检测并没有完全不同......
-
也就是说，单个对象检测（实际上称为对象定位）是一个比对象检测简单得多的问题，其中对象可能存在也可能不存在，并且具有多个可变数量。
标签： tensorflow keras conv-neural-network yolo