卷积神经网络是否具有图像定位能力?

Does Convolutional Neural Network possess localization abilities on images?

据我所知,CNN 依赖于滑动 window 技术,只能指示给定边界框中是否存在某种模式。是真的吗?

是否可以在没有任何此类技术帮助的情况下使用 CNN 实现定位?

这是图像识别中的一个悬而未决的问题。除了滑动 windows,现有的方法包括预测图像中的对象位置作为 CNN 输出,预测边界(将像素分类为是否属于图像边界)等。例如,参见 this paper 和其中的参考资料。

另请注意,通过使用最大池的 CNN,可以识别有助于对象识别的特征检测器的位置,并使用它来建议可能的对象位置区域。

最近有一些技术可以在 CNN 中定位对象。请参阅本文 http://cnnlocalization.csail.mit.edu/Zhou_Learning_Deep_Features_CVPR_2016_paper.pdf

它使用一个称为全局平均池化 (GAP) 的层,无需额外工作,CNN 就可以定位它识别的对象。

另请查看这个非常好的博客 post: https://alexisbcook.github.io/2017/global-average-pooling-layers-for-object-localization/