我的问题陈述如下：
" 使用 Tensorflow 和卷积神经网络进行目标检测和定位 "
我做了什么？
我已经完成了使用 tflearn 库从图像中检测猫的工作。我使用 25000 张猫的图像成功地训练了一个模型，并且它的工作正常且准确度很高。
我想做什么？
如果我的图像由同一图像中的两个或两个以上对象组成，例如猫和狗在一起，那么我的结果应该是“猫和狗”，除此之外我必须找到确切位置 图像上的这两个对象（bounding box）
我遇到了许多高级库，例如 darknet 、SSD，但无法理解其背后的概念。
请指导我解决问题的方法。
注意：我使用的是监督学习技术。
预期结果：
【问题讨论】：
标签： tensorflow computer-vision deep-learning tflearn
你有几种方法可以解决它。
最直接的方法是使用一些边界框建议算法（如选择性搜索）获得一些建议的边界框，并在每个建议上运行您已经训练的分类网络。这种方式就是R-CNN采用的方式。
对于基于上述方法的更高级算法，我建议您阅读有关 Fast-R-CNN 和 Faster R-CNN 的内容。
查看Object detection with R-CNN? 了解一些基本解释。
Darknet 和 SSD 基于不同的方法，如果您想了解它们，可以阅读它们
http://www.cs.unc.edu/~wliu/papers/ssd.pdf https://pjreddie.com/media/files/papers/yolo.pdf
【讨论】：
图像定位是一个复杂的问题，许多不同的实现以不同的效率实现相同的结果。
有两种主要的实现类型
-使用回归定位对象
-单发检测器
阅读此https://leonardoaraujosantos.gitbooks.io/artificial-inteligence/content/object_localization_and_detection.html 以获得更好的想法。
干杯
【讨论】：
我使用 PyTorch 和 ResNet34 在印度货币上做了一个类似的项目（检测 + 本地化）。以下是我的 kaggle notebook 的链接，希望对您有所帮助。我从互联网上手动收集了图像并在它们周围制作了边界框，并使用“LabelImg”注释工具保存了它们的注释文件（Pascal VOC）。
https://www.kaggle.com/shweta2407/objectdetection-on-custom-dataset-resnet34
【讨论】：