我有一个二分类问题，需要找出某物的相对位置。我只有一个非常小的个人数据集，难以找到更大的数据集。我试图识别对象的位置，比如一个圆圈，输出“是”或“不是”的答案。当我用训练样本对自己进行测试时，可以达到接近100%的准确率，但一旦引入测试样本，准确率就大幅下降到30-60%之间。

然而，据我所知，卷积神经网络（CNN）是识别对象而不是对象的位置。例如，如果你在寻找一个球体，它的位置并不重要，只要它能识别出描述球体的特征即可。

有什么方法可以调整我的算法，让它搜索位置而不是对象本身吗？

回答：

是的，有几种方法可以做到这一点。一个非常简单（朴素基线）的方法是预测一组值的网格，而不是单一的有无数值。例如，你可以创建一个标记集，将你的图像分成一个网格的方块，并标记所有包含你所需对象（圆圈）的方块为1，其他方块标记为0。

当然，还有更好的方法去做这件事；可以研究图像分割和Mask RCNN https://github.com/matterport/Mask_RCNN。它们不仅进行对象检测，还进行分割，即在检测到的对象周围画一个边界框。边界框的坐标可以告诉你对象在图像中的相对位置。