物体检测
上图就是目标检测的一个应用实例。
在图片上标注框是有成本的，所以一般来说，目标检测的数据集要先对图片分类数据集小很多。
（人工标注需要很多很多的工具人）
目标检测中比较常见的数据集就是MS COCO，它的地位就相当于图片分类中的ImageNet。
边缘框实现
数据集
因为一般目标检测数据集都是非常大，所以这里沐神为了演示方便，构造了一个非常小的香蕉检测数据集。
QA
- 如果工业检测数据集非常小（近百张），除了进行数据增强外，还有什么更好的方法吗？
小还真不是一个最主要的问题，你需要fine tuning（迁移学习）。首先找到一个在目标检测上做的非常好的模型，然后用大概几百张图片就可以取得一个比较不错的效果了。