在你已经用MNIST数据集训练了一个模型之后，我如何将一张图像分类为包含两个数字？更广泛地说，我如何训练一个模型来检测图像上的任意数量的数字？
回答：
有一个热门的领域叫做“对象检测”，它试图实现你想要的功能。一般来说，你可以从任何图像甚至视频中检测任何东西（数字、人、汽车等）。
最先进的技术大致分为两类：
- Faster-RCNN，它首先提出许多你感兴趣的对象的候选窗口，然后检测这些窗口内实际包含的内容。
- SSD，它只扫描图像一次并检测对象，速度更快，但与Faster-RCNN相比可靠性较差。
一个著名的实时对象检测方法是YOLO（你只看一次），它属于SSD类别，并且有一个非常令人印象深刻的实时演示在这里，让你了解对象检测的概念。搜索这些方法的名称，你会找到很多满足你需求的示例代码。
如果你只寻找数字检测，也可以查看斯坦福大学的房屋号码数据集相关的工作。然而，请注意这些工作通常是五年前或更早的，并不一定比Faster-RCNN和SSD等通用方法更优越。
