我已经从事机器学习工作几个月了。我使用过caffe和darknet，现在将开始使用theano。机器学习中有两大任务：1. 检测和2. 分类。虽然我了解大多数分类网络是如何构建或设计的，但我无法清楚地了解构建用于检测图像的神经网络的基本步骤。在分类中，我们使用适当的最大池化、ReLU和卷积层来获得更好的结果并微调网络。在构建用于目标检测的神经网络时，需要注意哪些重要事项？

回答：

一般来说，你所说的“检测”通常通过回归任务来解决（因此，是“用于回归的神经网络”）。例如，你想在图片上识别鼻尖（而不识别其他任何东西）。你需要标记训练图像，以便你有：

X（输入） – 仅为大小为256×256像素的灰度图像Y（输出） – 一对数字，表示图像上鼻尖位置的X，Y坐标。

然后，你构建一个深度神经网络来解决这个回归问题。对于这个神经网络，应用与分类相同的原则。你可以使用最大池化层、卷积层、ReLU等任何你想要的。你只需要记住，你的输出层应该能够输出所需范围内的数字，仅此而已。

关于使用人工神经网络解决此任务的好教程在这里：链接

附注：你想检测对象所在的区域（比如在图像中用彩色框圈起来）？没问题，一个解决方案是通过回归任务四次来定位对象的左上、右上、左下、右下角。或者如果你喜欢，可以使用滑动窗口。