卷积神经网络对图像具有定位能力吗？

Question

据我所知，CNN依靠滑动窗口技术，只能指出某一模式是否存在于给定的包围框中。这是真的吗？

如果没有这些技术的帮助，一个人能用CNN来实现本土化吗？

Answer 1

这是图像识别中一个开放的问题。除了滑动窗口外，现有的方法还包括预测目标在图像中的位置作为CNN输出，预测边界(分类像素是否属于图像边界)等。例如，请参阅本论文和其中的引用。

还请注意，CNN使用最大池，可以识别有助于目标识别的特征检测器的位置，并使用它来建议可能的目标位置区域。

Answer 2

最近有一些技术来定位CNN中的对象。参见本文paper.pdf。

它使用一个名为“全球平均池”(GAP)的层，不需要额外的工作，CNN就可以定位它识别的对象。

也请查看这篇非常好的博客文章：https://alexisbcook.github.io/2017/global-average-pooling-layers-for-object-localization/