每天五分钟卷积神经网络：如何基于滑动窗口技术完成目标的检测？

汽车检测算法

现在我们想要构建一个汽车检测算法，我们希望输入到算法中一张图片，算法就可以帮助我们检测出这张图片中是否有汽车。

数据集

首先创建一个标签训练集，x是样本，y是标签。我们的训练集最好是被剪切过的图片，剪掉汽车以外的部分，使汽车居于中间位置，就是整张图片几乎都被汽车占据。有了这个标签训练集，你就可以开始训练卷积网络了，输入这些适当剪切过的图片，卷积网络输出0 或 1 表示图片中有汽车或没有汽车。

但是真实的图片不只有一辆汽车，可能汽车只是一张图片的一小部分，所以这个时候我们将这样的图片放到我们训练好的卷积神经网络中可能效果不是很好，为了解决这个问题，我们使用滑动窗口目标检测，具体步骤如下：

滑动窗口目标检测

首先选定一个特定大小的窗口，将这个红色小方块截取的图片输入卷积神经网络，卷积网络开始进行预测，即判断红色方框内有没有汽车。

滑动窗口目标检测算法接下来会继续处理第二个图像，即红色方框稍向右滑动之后的区域，并输入给卷积网络。

再次运行卷积网络，然后处理第三个图像，依次重复操作，直到这个窗口滑过图像的每一个角落，将每一张截取的图片出入到网络中，判断有没有汽车。因此