Keras 分类模型可以用于目标检测吗？

假设我们分别有n张猫和狗的图像，我们训练了一个图像分类模型，用概率分数对一张新图像进行分类，以确定它是猫还是狗

现在，我们得到的图像包含多个猫和狗在同一个图像中，我们如何检测和定位对象（这里的猫和狗）

---

如果可能的话，我们是否也可以描述模型所考虑的用于预测的焦点区域，以便可以绘制边界框？

我认为您很难理解基本的目标检测是如何工作的。 我建议您先阅读本文：

---

这是可能的。您可以在这个示例中使用Yolo。有一种基于keras分类的解决方案

感谢链接，我确实对目标检测有了想法，但我想知道分类模型是否可以获取我关注的区域点，这些点是否可以用于目标检测。这是一个非常通用的场景，我有很多用于分类的单一图像，现在想使用相同的图像进行目标检测。我想说，使用您提到的培训方法，这将是相当困难的。模型将整个图像放入一个箱子中。您的模型不允许对单个图像进行多类分类。我认为可以实现这一点的一种方法是训练另一个模型从图像中提取动物，然后将其输入到上面训练过的模型。假设图像中有两只猫和三只狗，那么对于该图像，您将有5个子图像。然后，这些数据可以传递到经过训练的网络中，你可以在以后进行综合评估。我正在尝试这种方法，我正在尝试的是，在完整图像（包含单个动物）周围绘制一个边界框，以获得早期的数据集。让我告诉你们，动物只是我举的一个例子，我有一些其他的应用。我正在保存它的xml，并获取包含多个动物的新数据并对它们进行注释。我将尝试混合和饲料的方法与对象检测技术。这里的任何建议都是非常受欢迎的。一旦有了边界框，您就可以使用

cv

或任何其他工具框从图像中提取像素并形成子图像。将这些子映像传递到下一个网络，直到所有子映像都馈送到第二个网络，将所有预测放入一个数组中。最后，使用图像和边界框位置的一个对应关系对原始图像进行注释。祝你好运还请提及我是否可以将此作为答案。