CS231n物体定位和检测
一般流程参考
方法一：把定位作为回归问题（很实用可以这样考虑）
选择防止回归曾的位置，都可以
法二：滑动窗法，如overfeat网络
加速（高效）窗口法：不把4096看作向量，而是看作feature map特征映射，
那么只剩下卷积和池化操作
（分类方法）的目标检测
之前的方法有（histogram of oriented gradients）方向梯度直方图HOG目标检测，Deformable Parts Model（DPM深度学习前身，对任何尺度，任何长宽比，任何位置进行预处理，速度很快）
dfm也是一种深度学习
Region proposals区域对象目标检测器
如ssd
其他检测方法EDGEBOXES就很好
R-CNN
训练过程
针对你的对象类别，在最后加几层
硬盘需求量很大
mAP评估## 问题
Fast RCNN
共享不同目标框的卷积特征的计算解决了这个问题
同时训练所有部分
max pooling用BP算法
faster RCNN使用RPN区域推荐网络
空间变换神经网络（可参考文献）
不同于ROI池化，我们做双线性插值